Fugu-MT 論文翻訳(概要): Enhash: A Fast Streaming Algorithm For Concept Drift Detection

論文の概要: Enhash: A Fast Streaming Algorithm For Concept Drift Detection

arxiv url: http://arxiv.org/abs/2011.03729v1
Date: Sat, 7 Nov 2020 09:07:50 GMT
ステータス: 処理完了
システム内更新日: 2022-09-28 22:15:27.468749
Title: Enhash: A Fast Streaming Algorithm For Concept Drift Detection
Title（参考訳）: Enhash:コンセプトドリフト検出のための高速ストリーミングアルゴリズム
Authors: Aashi Jindal, Prashant Gupta, Debarka Sengupta and Jayadeva
Abstract要約: 本研究では,データストリーム中のtextitconcept ドリフトを検出する高速学習アンサンブル Enhash を提案する。ストリームは、突然、漸進的、仮想的、または繰り返されるイベント、または様々な種類のドリフトの混合から成り立つ。 Enhashは、入力サンプルを挿入するためにプロジェクションハッシュを使用する。
参考スコア（独自算出の注目度）: 1.6727186769396274
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose Enhash, a fast ensemble learner that detects \textit{concept drift} in a data stream. A stream may consist of abrupt, gradual, virtual, or recurring events, or a mixture of various types of drift. Enhash employs projection hash to insert an incoming sample. We show empirically that the proposed method has competitive performance to existing ensemble learners in much lesser time. Also, Enhash has moderate resource requirements. Experiments relevant to performance comparison were performed on 6 artificial and 4 real data sets consisting of various types of drifts.
Abstract（参考訳）: データストリーム内で \textit{concept drift} を検出する高速アンサンブル学習器enhashを提案する。ストリームは、突然、漸進的、仮想的、または繰り返されるイベント、または様々な種類のドリフトの混合から成る。 Enhashは、入力サンプルを挿入するためにプロジェクションハッシュを使用する。本研究では,提案手法が既存のアンサンブル学習者に対してより少ない時間で競争力を発揮することを示す。また、enhashには適度なリソース要件がある。様々な種類のドリフトからなる6つの実データと4つの実データに対して性能比較実験を行った。

関連論文リスト

DiffusionRet: Generative Text-Video Retrieval with Diffusion Model [56.03464169048182]
既存のテキストビデオ検索ソリューションは、条件付き可能性、すなわちp(candidates|query)の最大化に焦点を当てている。我々は、このタスクを生成的視点から創造的に取り組み、テキストとビデオの相関関係を共同確率p(candidates,query)としてモデル化する。これは拡散に基づくテキストビデオ検索フレームワーク(DiffusionRet)によって実現され、ノイズから徐々に関節分布を生成するプロセスとして検索タスクをモデル化する。
論文参考訳（メタデータ） (2023-03-17T10:07:19Z)
StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
論文参考訳（メタデータ） (2022-07-21T12:03:02Z)
Real-time Object Detection for Streaming Perception [84.2559631820007]
ストリーミング知覚は,ビデオオンライン知覚の1つの指標として,レイテンシと精度を共同評価するために提案される。ストリーミング知覚のためのシンプルで効果的なフレームワークを構築します。提案手法はArgoverse-HDデータセット上での競合性能を実現し,強力なベースラインに比べてAPを4.9%向上させる。
論文参考訳（メタデータ） (2022-03-23T11:33:27Z)
Learning to Hash Naturally Sorts [84.90210592082829]
そこで我々はNaturely-Sorted Hashing (NSH)を導入し,最終結果のソートによる深層ハッシュモデルのトレーニングを行った。 NSHはサンプルのハッシュコードのハミング距離をソートし、それに従って自己教師付きトレーニングのための潜伏した表現を収集する。 Sorted Noise-Contrastive Estimation (SortedNCE) の新たな損失について述べる。
論文参考訳（メタデータ） (2022-01-31T16:19:02Z)
Improving the performance of bagging ensembles for data streams through mini-batching [9.418151228755834]
機械学習アプリケーションは、データが連続データストリームの形式で収集される動的な環境に対処する必要がある。ストリーム処理アルゴリズムには、計算資源とデータ進化への適応性に関する追加の要件がある。本稿では,マルチコア環境におけるストリームマイニングのための複数のアンサンブルアルゴリズムのメモリアクセス局所性と性能を向上するミニバッチ方式を提案する。
論文参考訳（メタデータ） (2021-12-18T03:44:07Z)
Self-Distilled Hashing for Deep Image Retrieval [25.645550298697938]
ハッシュベースの画像検索システムでは、元の入力から変換された入力は通常、異なるコードを生成する。本稿では,拡張データの可能性を活用しつつ,相違を最小限に抑えるために,自己蒸留ハッシュ方式を提案する。また、ハッシュプロキシに基づく類似性学習や、バイナリクロスエントロピーに基づく量子化損失を導入し、高品質なハッシュコードを提供する。
論文参考訳（メタデータ） (2021-12-16T12:01:50Z)
CIMON: Towards High-quality Hash Codes [63.37321228830102]
我々はtextbfComprehensive stextbfImilarity textbfMining と ctextbfOnsistency leartextbfNing (CIMON) という新しい手法を提案する。まず、グローバルな洗練と類似度統計分布を用いて、信頼性とスムーズなガイダンスを得る。第二に、意味的整合性学習とコントラスト的整合性学習の両方を導入して、乱不変と差別的ハッシュコードの両方を導出する。
論文参考訳（メタデータ） (2020-10-15T14:47:14Z)
Ranking and benchmarking framework for sampling algorithms on synthetic data streams [0.0]
ビッグデータ、AI、ストリーミング処理では、複数のソースから大量のデータを処理します。メモリとネットワークの制限のため、分散システム上のデータストリームを処理し、計算とネットワークの負荷を軽減する。概念のドリフトに反応するアルゴリズムを提供し、我々のフレームワークを用いた最先端のアルゴリズムと比較する。
論文参考訳（メタデータ） (2020-06-17T14:25:07Z)
Image Hashing by Minimizing Discrete Component-wise Wasserstein Distance [12.968141477410597]
競合するオートエンコーダは、バランスよく高品質なハッシュコードを生成する堅牢で局所性を保存するハッシュ関数を暗黙的に学習できることが示されている。既存の逆ハッシュ法は、大規模な画像検索に非効率である。本稿では,サンプル要求と計算コストを大幅に低減した,新しい対向型オートエンコーダハッシュ手法を提案する。
論文参考訳（メタデータ） (2020-02-29T00:22:53Z)
Auto-Encoding Twin-Bottleneck Hashing [141.5378966676885]
本稿では,効率よく適応的なコード駆動グラフを提案する。自動エンコーダのコンテキストでデコードすることで更新される。ベンチマークデータセットの実験は、最先端のハッシュ手法よりもフレームワークの方が優れていることを明らかに示しています。
論文参考訳（メタデータ） (2020-02-27T05:58:12Z)
A Novel Incremental Cross-Modal Hashing Approach [21.99741793652628]
我々は「iCMH」と呼ばれる新しい漸進的クロスモーダルハッシュアルゴリズムを提案する。提案手法は,ハッシュコードを学習し,ハッシュ関数を訓練する2つの段階からなる。さまざまなクロスモーダルデータセットの実験と最先端のクロスモーダルアルゴリズムとの比較は、我々のアプローチの有用性を示している。
論文参考訳（メタデータ） (2020-02-03T12:34:56Z)

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。