論文の概要: A partition-based similarity for classification distributions

• arxiv url: http://arxiv.org/abs/2011.06557v1
• Date: Thu, 12 Nov 2020 18:21:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-26 06:49:18.192092
• Title: A partition-based similarity for classification distributions
• Title（参考訳）: 分割に基づく分類分布の類似性
• Authors: Hayden S. Helm, Ronak D. Mehta, Brandon Duderstadt, Weiwei Yang, Christoper M. White, Ali Geisa, Joshua T. Vogelstein, Carey E. Priebe
• Abstract要約: 本稿では,統計的パターン認識の観点から原理化された分類分布の類似性の尺度を定義し,機械学習実践者の観点から有用であることを示す。 本稿では,対象分布に関する推論に適用した場合に,最適変換されたソース分布の最適表現がどのように動作するかを定量化する,タスク類似性と呼ばれる,分類分布に関する新しい類似性を提案する。
• 参考スコア（独自算出の注目度）: 11.877906044513272
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Herein we define a measure of similarity between classification distributions that is both principled from the perspective of statistical pattern recognition and useful from the perspective of machine learning practitioners. In particular, we propose a novel similarity on classification distributions, dubbed task similarity, that quantifies how an optimally-transformed optimal representation for a source distribution performs when applied to inference related to a target distribution. The definition of task similarity allows for natural definitions of adversarial and orthogonal distributions. We highlight limiting properties of representations induced by (universally) consistent decision rules and demonstrate in simulation that an empirical estimate of task similarity is a function of the decision rule deployed for inference. We demonstrate that for a given target distribution, both transfer efficiency and semantic similarity of candidate source distributions correlate with empirical task similarity.
• Abstract（参考訳）: 本稿では,統計的パターン認識の観点から原理化された分類分布の類似性の尺度を定義し,機械学習実践者の視点から有用である。 特に,課題類似性と呼ばれる分類分布に関する新しい類似性を提案し,対象分布に関する推論に適用した場合に,ソース分布に対する最適変換された最適表現がどのように動作するかを定量化する。 タスク類似性の定義は、逆分布と直交分布の自然な定義を可能にする。 我々は、(普遍的に)一貫した決定規則によって引き起こされる表現の制限特性を強調し、タスク類似性の経験的推定が推論のためにデプロイされた決定規則の関数であることを示す。 対象分布の伝達効率と対象源分布の意味的類似性は経験的タスク類似性と相関することを示す。

関連論文リスト

• Enhancing Model Fairness and Accuracy with Similarity Networks: A Methodological Approach [0.20718016474717196]
  インスタンスを類似機能空間にマッピングするために、さまざまなテクニックを使用します。 本手法は, モデルフェアネスとデータセット分類複雑性の関係について, ペアワイズ類似性の分解能を調整できる。
  論文  参考訳（メタデータ） (2024-11-08T15:43:01Z)
• Cluster-Aware Similarity Diffusion for Instance Retrieval [64.40171728912702]
  拡散に基づく再ランク付け(diffusion-based re-level)は、隣り合うグラフで類似性の伝播を実行することで、インスタンスを検索する一般的な方法である。 本稿では,新しいクラスタ・アウェア類似性(CAS)拡散モデルを提案する。
  論文  参考訳（メタデータ） (2024-06-04T14:19:50Z)
• Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
  本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。 我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。 シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
  論文  参考訳（メタデータ） (2024-01-29T02:08:40Z)
• Transductive conformal inference with adaptive scores [3.591224588041813]
  トランスダクティブな設定では、テストのサンプルとして$m$の新たなポイントが決定されます。 本研究はP'olya urnモデルに従い, 実験分布関数の濃度不等式を確立することを目的とする。 本研究では,2つの機械学習タスクに対して一様かつ不確率な保証を行うことにより,これらの理論的結果の有用性を示す。
  論文  参考訳（メタデータ） (2023-10-27T12:48:30Z)
• Counting Like Human: Anthropoid Crowd Counting on Modeling the Similarity of Objects [92.80955339180119]
  メインストリームの群衆計数法は 密度マップを補強して 計数結果を得るために統合する。 これに触発された我々は,合理的かつ人為的な集団カウントフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-02T07:00:53Z)
• Evaluation of taxonomic and neural embedding methods for calculating semantic similarity [0.0]
  分類学的類似度尺度と分布的類似度尺度のメカニズムについて検討する。 分類学的類似度尺度は、意味的類似度を予測するための素因として、最短経路長に依存する可能性がある。 類似性予測における概念関係と神経埋め込みの相乗効果は、伝達学習における知識ベースを活用する新しい傾向を示す可能性がある。
  論文  参考訳（メタデータ） (2022-09-30T02:54:21Z)
• Fairness Transferability Subject to Bounded Distribution Shift [5.62716254065607]
  あるソース分布に「フェア」なアルゴリズム予測器が与えられたとしても、あるバウンダリ内のソースと異なる未知のターゲット分布上では、まだフェアなのか? 本研究では,有界分布シフトを考慮した機械学習予測器の統計的グループフェアネスの伝達可能性について検討する。
  論文  参考訳（メタデータ） (2022-05-31T22:16:44Z)
• Concurrent Discrimination and Alignment for Self-Supervised Feature Learning [52.213140525321165]
  既存の自己指導型学習手法は,(1)どの特徴が分離されるべきかを明確に示すこと,あるいは(2)どの特徴が閉じるべきかを明確に示すこと,のいずれかのプリテキストタスクを用いて学習する。 本研究では,識別・調整手法の正の側面を組み合わせて,上記の課題に対処するハイブリッド手法を設計する。 本手法は,識別的予測タスクによってそれぞれ反発とアトラクションのメカニズムを明確に特定し,ペアビュー間の相互情報を同時に最大化する。 確立された9つのベンチマーク実験により,提案モデルが自己監督と移動の既成結果より一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2021-08-19T09:07:41Z)
• Personalized Trajectory Prediction via Distribution Discrimination [78.69458579657189]
  トラリミー予測は将来の力学のマルチモーダルな性質を捉えるジレンマと対立する。 本研究では,パーソナライズされた動作パターンを予測するDisDisDis(Disdis)手法を提案する。 本手法は,プラグイン・アンド・プレイモジュールとして既存のマルチモーダル予測モデルと統合することができる。
  論文  参考訳（メタデータ） (2021-07-29T17:42:12Z)
• Robust Bayesian Classification Using an Optimistic Score Ratio [18.047694351309204]
  クラス条件、文脈、分布に関する情報が限られている場合に、楽観的なスコア比を頑健なバイナリ分類に使用します。 楽観的なスコアは、テストサンプルの観察結果を説明するのに最も有効な分布を探索する。
  論文  参考訳（メタデータ） (2020-07-08T22:25:29Z)
• A Distributional Analysis of Sampling-Based Reinforcement Learning Algorithms [67.67377846416106]
  定常ステップサイズに対する強化学習アルゴリズムの理論解析に対する分布的アプローチを提案する。 本稿では,TD($lambda$)や$Q$-Learningのような値ベースの手法が,関数の分布空間で制約のある更新ルールを持つことを示す。
  論文  参考訳（メタデータ） (2020-03-27T05:13:29Z)

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。