論文の概要: Learning Set Functions that are Sparse in Non-Orthogonal Fourier Bases

• arxiv url: http://arxiv.org/abs/2010.00439v3
• Date: Mon, 29 Mar 2021 12:26:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-12 07:08:07.862082
• Title: Learning Set Functions that are Sparse in Non-Orthogonal Fourier Bases
• Title（参考訳）: 非直交フーリエ基底におけるスパース集合関数の学習
• Authors: Chris Wendler, Andisheh Amrollahi, Bastian Seifert, Andreas Krause, Markus P\"uschel
• Abstract要約: フーリエスパース集合関数を学習するための新しいアルゴリズム群を提案する。 Walsh-Hadamard変換に焦点をあてた他の研究とは対照的に、我々の新しいアルゴリズムは最近導入された非直交フーリエ変換で機能する。 いくつかの実世界のアプリケーションで有効性を示す。
• 参考スコア（独自算出の注目度）: 73.53227696624306
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many applications of machine learning on discrete domains, such as learning preference functions in recommender systems or auctions, can be reduced to estimating a set function that is sparse in the Fourier domain. In this work, we present a new family of algorithms for learning Fourier-sparse set functions. They require at most $nk - k \log_2 k + k$ queries (set function evaluations), under mild conditions on the Fourier coefficients, where $n$ is the size of the ground set and $k$ the number of non-zero Fourier coefficients. In contrast to other work that focused on the orthogonal Walsh-Hadamard transform, our novel algorithms operate with recently introduced non-orthogonal Fourier transforms that offer different notions of Fourier-sparsity. These naturally arise when modeling, e.g., sets of items forming substitutes and complements. We demonstrate effectiveness on several real-world applications.
• Abstract（参考訳）: 推薦システムやオークションにおける学習選好関数など、個別の領域における機械学習の多くの応用は、フーリエ領域でスパースな設定関数を推定するために縮小することができる。 本研究では,フーリエスパース集合関数を学習するための新しいアルゴリズム群を提案する。 それらは少なくとも$nk - k \log_2 k + k$クエリ(セット関数評価)を必要とし、フーリエ係数の穏やかな条件下では、$n$は基底集合のサイズであり、$k$は非ゼロフーリエ係数の数である。 直交ウォルシュ・アダマール変換に焦点をあてた他の研究とは対照的に、我々の新しいアルゴリズムは、最近導入されたフーリエスパーシティの異なる概念を提供する非直交フーリエ変換で機能する。 これらは、例えば、置換や補数を形成する項目の集合のモデリング時に自然に発生する。 いくつかの実世界のアプリケーションで有効性を示す。

関連論文リスト

• Neural Fourier Modelling: A Highly Compact Approach to Time-Series Analysis [9.969451740838418]
  時系列解析のためのコンパクトで強力なソリューションであるニューラルフーリエモデリング(NFM)を導入する。 NFM はフーリエ変換 (FT) の2つの重要な性質 (i) 有限長時系列をフーリエ領域の関数としてモデル化する能力 (ii) フーリエ領域内のデータ操作の能力 (ii) に基礎を置いている。 NFMは幅広いタスクで最先端のパフォーマンスを達成しており、テスト時にこれまで見つからなかったサンプリングレートを持つ時系列シナリオに挑戦する。
  論文  参考訳（メタデータ） (2024-10-07T02:39:55Z)
• Trigonometric Quadrature Fourier Features for Scalable Gaussian Process Regression [3.577968559443225]
  QFF(Quardrature Fourier Features)は、近似精度の向上とキャリブレーションの不確実性評価の改善により近年人気を集めている。 QFFの鍵となる限界は、その性能が高振動性二次状態に関連するよく知られた病態に悩まされることである。 我々は、新しい非ガウスの二次法則を用いる新しい三角四分法フーリエ法(TQFF)により、この問題に対処する。
  論文  参考訳（メタデータ） (2023-10-23T03:53:09Z)
• Group Equivariant Fourier Neural Operators for Partial Differential Equations [33.71890280061319]
  フーリエニューラル作用素(FNO)を用いた偏微分方程式の解法を考える 本研究では、周波数領域に群畳み込みを拡張し、回転、変換、反射に同値なフーリエ層を設計する。 結果として生じる$G$-FNOアーキテクチャは、入力解像度にわたってよく一般化され、対称性のレベルが異なる設定でうまく機能する。
  論文  参考訳（メタデータ） (2023-06-09T06:34:16Z)
• Fourier expansion in variational quantum algorithms [1.4732811715354455]
  定数ゲートはクリフォードゲートであり、パラメータ化ゲートはパウリ演算子によって生成される。 我々は、すべての三角単項の係数を$mathcalO(N2m)$で有界な時間で$m$まで計算する古典的アルゴリズムを与える。
  論文  参考訳（メタデータ） (2023-04-07T18:00:01Z)
• Fourier Continuation for Exact Derivative Computation in Physics-Informed Neural Operators [53.087564562565774]
  PINOは、偏微分方程式を学習するための有望な実験結果を示す機械学習アーキテクチャである。 非周期問題に対して、フーリエ継続(FC)を利用して正確な勾配法をPINOに適用するアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-11-29T06:37:54Z)
• Deep Fourier Up-Sampling [100.59885545206744]
  フーリエ領域のアップサンプリングは、そのような局所的な性質に従わないため、より難しい。 これらの問題を解決するために理論的に健全なDeep Fourier Up-Sampling (FourierUp)を提案する。
  論文  参考訳（メタデータ） (2022-10-11T06:17:31Z)
• Unified Fourier-based Kernel and Nonlinearity Design for Equivariant Networks on Homogeneous Spaces [52.424621227687894]
  等質空間上の群同変ネットワークに対する統一的枠組みを導入する。 昇降した特徴場のフーリエ係数の空間性を利用する。 安定化部分群におけるフーリエ係数としての特徴を取り扱う他の方法が、我々のアクティベーションの特別な場合であることを示す。
  論文  参考訳（メタデータ） (2022-06-16T17:59:01Z)
• Fourier Disentangled Space-Time Attention for Aerial Video Recognition [54.80846279175762]
  本稿では,UAVビデオ行動認識のためのFAR(Fourier Activity Recognition)アルゴリズムを提案する。 我々の定式化は、人間のエージェントを背景から自然に分離するために、新しいフーリエオブジェクト・ディコンタングルメント法を用いています。 我々はUAV Human RGB、UAV Human Night、Drone Action、NEC Droneを含む複数のUAVデータセットに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2022-03-21T01:24:53Z)
• Factorized Fourier Neural Operators [77.47313102926017]
  Factorized Fourier Neural Operator (F-FNO) は偏微分方程式をシミュレートする学習法である。 我々は,数値解法よりも桁違いに高速に動作しながら,誤差率2%を維持していることを示す。
  論文  参考訳（メタデータ） (2021-11-27T03:34:13Z)
• Fourier Neural Networks as Function Approximators and Differential Equation Solvers [0.456877715768796]
  活性化と損失関数の選択は、フーリエ級数展開を密接に再現する結果をもたらす。 我々はこのFNNを自然周期的滑らかな関数と断片的連続周期関数で検証する。 現在のアプローチの主な利点は、トレーニング領域外のソリューションの有効性、トレーニングされたモデルの解釈可能性、使用の単純さである。
  論文  参考訳（メタデータ） (2020-05-27T00:30:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。