Fugu-MT 論文翻訳(概要): Graph Enhanced High Dimensional Kernel Regression

論文の概要: Graph Enhanced High Dimensional Kernel Regression

arxiv url: http://arxiv.org/abs/2011.01990v1
Date: Tue, 3 Nov 2020 20:09:36 GMT
ステータス: 処理完了
システム内更新日: 2022-09-30 04:06:52.803166
Title: Graph Enhanced High Dimensional Kernel Regression
Title（参考訳）: グラフ強化高次元カーネル回帰
Authors: E. Pei, E. Fokou\'e
Abstract要約: 極高次元空間における微妙な非線形性を捕捉し、予測性能をはるかに向上するカーネル拡張を構築する。シミュレーションおよび実生活データへのシームレスかつ実質的な適応の適用は、私たちの仕事の魅力と強みを示しています。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, the flexibility, versatility and predictive power of kernel regression are combined with now lavishly available network data to create regression models with even greater predictive performances. Building from previous work featuring generalized linear models built in the presence of network cohesion data, we construct a kernelized extension that captures subtler nonlinearities in extremely high dimensional spaces and also produces far better predictive performances. Applications of seamless yet substantial adaptation to simulated and real-life data demonstrate the appeal and strength of our work.
Abstract（参考訳）: 本稿では,カーネル回帰の柔軟性,汎用性,予測能力とネットワークデータとの結合により,より高い予測性能を持つ回帰モデルを構築する。ネットワーク結合データの存在下で構築された一般化線形モデルを取り入れた先行研究から,超高次元空間における微妙な非線形性をキャプチャするカーネル化拡張を構築し,より優れた予測性能を実現する。シミュレーションデータと実生活データへのシームレスかつ実質的な適応の適用は,我々の研究の魅力と強みを示している。

関連論文リスト

A Riemannian Framework for Learning Reduced-order Lagrangian Dynamics [18.151022395233152]
本稿では,物理的に整合した低次動的パラメータを学習するための新しい幾何学的ネットワークアーキテクチャを提案する。本手法は,剛性および変形性システムの高次元力学の高精度な長期予測を可能にする。
論文参考訳（メタデータ） (2024-10-24T15:53:21Z)
A Functional Extension of Semi-Structured Networks [2.482050942288848]
半構造化ネットワーク(SSN)は、深いニューラルネットワークを持つ付加モデルに精通した構造をマージする。大規模データセットにインスパイアされた本研究では,SSNを機能データに拡張する方法について検討する。本稿では,古典的機能回帰手法の優位性を保ちつつ,スケーラビリティを向上する機能的SSN法を提案する。
論文参考訳（メタデータ） (2024-10-07T18:50:18Z)
Robustifying Generalizable Implicit Shape Networks with a Tunable Non-Parametric Model [10.316008740970037]
無向点雲からの暗黙的形状再構成の一般化可能なモデルは一般化問題に悩まされる。ここでは、これらの制限のいくつかをテスト時に緩和する効率的なメカニズムを提案する。本稿では,本手法によるベースラインの改良と,合成データと実データを用いた最先端技術について述べる。
論文参考訳（メタデータ） (2023-11-21T20:12:29Z)
Understanding Augmentation-based Self-Supervised Representation Learning via RKHS Approximation and Regression [53.15502562048627]
最近の研究は、自己教師付き学習とグラフラプラシアン作用素のトップ固有空間の近似との関係を構築している。この研究は、増強に基づく事前訓練の統計的分析に発展する。
論文参考訳（メタデータ） (2023-06-01T15:18:55Z)
Second-order regression models exhibit progressive sharpening to the edge of stability [30.92413051155244]
2次元の二次目標に対して、2階回帰モデルでは、安定性の端とわずかに異なる値に対して進行的なシャープ化を示すことを示す。より高次元では、モデルはニューラルネットワークの特定の構造がなくても、概して同様の振る舞いを示す。
論文参考訳（メタデータ） (2022-10-10T17:21:20Z)
Closed-form Continuous-Depth Models [99.40335716948101]
連続深度ニューラルモデルは高度な数値微分方程式解法に依存している。我々は,CfCネットワークと呼ばれる,記述が簡単で,少なくとも1桁高速な新しいモデル群を提示する。
論文参考訳（メタデータ） (2021-06-25T22:08:51Z)
Sparse Flows: Pruning Continuous-depth Models [107.98191032466544]
生成モデルにおいて,プルーニングによりニューラルネットワークの一般化が向上することを示す。また、プルーニングは、元のネットワークに比べて最大98%少ないパラメータで、精度を損なうことなく、最小かつ効率的なニューラルODE表現を見出すことを示した。
論文参考訳（メタデータ） (2021-06-24T01:40:17Z)
Back2Future: Leveraging Backfill Dynamics for Improving Real-time Predictions in Future [73.03458424369657]
公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
論文参考訳（メタデータ） (2021-06-08T14:48:20Z)
Autoregressive Dynamics Models for Offline Policy Evaluation and Optimization [60.73540999409032]
表現的自己回帰ダイナミクスモデルが次の状態の異なる次元を生成し、以前の次元で順次条件付きで報酬を得ることを示す。また,リプレイバッファを充実させる手段として,自己回帰的ダイナミクスモデルがオフラインポリシー最適化に有用であることを示す。
論文参考訳（メタデータ） (2021-04-28T16:48:44Z)
The Neural Tangent Kernel in High Dimensions: Triple Descent and a Multi-Scale Theory of Generalization [34.235007566913396]
現代のディープラーニングモデルでは、トレーニングデータに適合するために必要なパラメータよりもはるかに多くのパラメータが採用されている。この予期せぬ振る舞いを記述するための新たなパラダイムは、エンファンダブル降下曲線(英語版)である。本稿では,勾配降下を伴う広帯域ニューラルネットワークの挙動を特徴付けるニューラル・タンジェント・カーネルを用いた一般化の高精度な高次元解析を行う。
論文参考訳（メタデータ） (2020-08-15T20:55:40Z)
Hyperbolic Neural Networks++ [66.16106727715061]
ニューラルネットワークの基本成分を1つの双曲幾何モデル、すなわちポアンカーの球モデルで一般化する。実験により, 従来の双曲成分と比較してパラメータ効率が優れ, ユークリッド成分よりも安定性と性能が優れていた。
論文参考訳（メタデータ） (2020-06-15T08:23:20Z)

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。