Fugu-MT 論文翻訳(概要): Graph Theory in the Classification of Information Systems

論文の概要: Graph Theory in the Classification of Information Systems

arxiv url: http://arxiv.org/abs/2012.13182v2
Date: Sun, 27 Dec 2020 09:40:05 GMT
ステータス: 処理完了
システム内更新日: 2021-04-25 15:43:23.242838
Title: Graph Theory in the Classification of Information Systems
Title（参考訳）: 情報システムの分類におけるグラフ理論
Authors: Daniel Zentai
Abstract要約: 我々はこの問題を説明するのに十分な数学的モデルを提案する。また,リスク値に基づいてグラフを時間内に分類するアルゴリズムを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Risk classification plays an important role in many regulations and standards. However, a general method that provides an optimal classification has not been proposed yet. Also, the criteria of optimality are not defined in these regulations. In this work, we will propose a mathematical model that is sufficient to describe this problem, and we also propose an algorithm that classifies graph vertices based on their risk value in polynomial time.
Abstract（参考訳）: リスク分類は多くの規制や基準において重要な役割を果たす。しかし、最適分類を提供する一般的な方法はまだ提案されていない。また、この規則では最適性の基準は定義されていない。本稿では,この問題を説明するのに十分な数学的モデルを提案するとともに,多項式時間におけるリスク値に基づいて,グラフ頂点を分類するアルゴリズムを提案する。

関連論文リスト

Hierarchical Selective Classification [17.136832159667204]
本稿では,階層型選択分類を導入し,階層型選択分類を階層型に拡張する。まず階層的リスクとカバレッジを形式化し、階層的リスクカバレッジ曲線を導入します。次に、階層的選択分類のためのアルゴリズムを開発し、高い確率で目標精度の制約を保証する効率的なアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-05-19T12:24:30Z)
Semi-Supervised Laplace Learning on Stiefel Manifolds [48.3427853588646]
グラフベースで教師付きサンプルを低ラベルレートで作成するためのフレームワークSequential Subspaceを開発した。我々の手法は極めて低いレートで、高いラベルレートで達成できる。
論文参考訳（メタデータ） (2023-07-31T20:19:36Z)
Learning Graphical Factor Models with Riemannian Optimization [70.13748170371889]
本稿では,低ランク構造制約下でのグラフ学習のためのフレキシブルなアルゴリズムフレームワークを提案する。この問題は楕円分布のペナルティ化された最大推定値として表される。楕円モデルによく適合する正定行列と定ランクの正半定行列のジオメトリを利用する。
論文参考訳（メタデータ） (2022-10-21T13:19:45Z)
Rule Generation for Classification: Scalability, Interpretability, and Fairness [0.0]
制約付き分類のためのルールベースの新しい最適化手法を提案する。ルールにコスト係数を割り当て、追加制約を導入することにより、解釈可能性と公正性に対処する。提案手法は,一方の局所的解釈可能性と他方の正当性,他方の精度との間に良好な妥協関係を示す。
論文参考訳（メタデータ） (2021-04-21T20:31:28Z)
Structure-Enhanced Meta-Learning For Few-Shot Graph Classification [53.54066611743269]
本研究では,数点グラフ分類の解法のためのメトリベースメタラーニングの可能性を検討する。 SMFGINというGINの実装は、ChemblとTRIANGLESの2つのデータセットでテストされている。
論文参考訳（メタデータ） (2021-03-05T09:03:03Z)
Unbiased Subdata Selection for Fair Classification: A Unified Framework and Scalable Algorithms [0.8376091455761261]
このフレームワーク内の多くの分類モデルが混合整数凸プログラムとして再キャストできることを示した。そして,提案問題において,分類結果の「解決不能な部分データ選択」が強く解決可能であることを示す。これにより、分類インスタンスを解決するための反復精錬戦略(IRS)の開発を動機付けます。
論文参考訳（メタデータ） (2020-12-22T21:09:38Z)
Structured Graph Learning for Clustering and Semi-supervised Classification [74.35376212789132]
データの局所構造とグローバル構造の両方を保存するためのグラフ学習フレームワークを提案する。本手法は, サンプルの自己表現性を利用して, 局所構造を尊重するために, 大域的構造と適応的隣接アプローチを捉える。我々のモデルは、ある条件下でのカーネルk平均法とk平均法の組合せと等価である。
論文参考訳（メタデータ） (2020-08-31T08:41:20Z)
SOAR: Simultaneous Or of And Rules for Classification of Positive & Negative Classes [0.0]
本稿では,実世界の雑音の多い二項分類における固有曖昧性を明確に把握し,定量化する新奇かつ完全な分類法を提案する。提案手法は,確率モデルのよりきめ細かい定式化につながり,シミュレート・アニーリングに基づく最適化により,同等の手法と競合する分類性能が得られることを示す。
論文参考訳（メタデータ） (2020-08-25T20:00:27Z)
High-Dimensional Quadratic Discriminant Analysis under Spiked Covariance Model [101.74172837046382]
そこで本研究では,魚の識別比を最大化する2次分類手法を提案する。数値シミュレーションにより,提案した分類器は,合成データと実データの両方において古典的R-QDAよりも優れるだけでなく,計算量の削減も要求されることがわかった。
論文参考訳（メタデータ） (2020-06-25T12:00:26Z)
On Low Rank Directed Acyclic Graphs and Causal Structure Learning [22.84535874529307]
DAG因果モデルの(重み付けされた)隣接行列に関する低階仮定を利用する。最大ランクはハブに強く関係していることを示し、スケールフリーネットワークは低いランクになる傾向があることを示唆する。実験では, 各種データモデルに対する低階適応の有効性を実証した。
論文参考訳（メタデータ） (2020-06-10T07:11:12Z)
Progressive Identification of True Labels for Partial-Label Learning [112.94467491335611]
部分ラベル学習(Partial-label Learning, PLL)は、典型的な弱教師付き学習問題であり、各トレーニングインスタンスには、真のラベルである候補ラベルのセットが設けられている。既存のほとんどの手法は、特定の方法で解決しなければならない制約付き最適化として精巧に設計されており、計算複雑性をビッグデータにスケールアップするボトルネックにしている。本稿では,モデルと最適化アルゴリズムの柔軟性を備えた分類器の新しいフレームワークを提案する。
論文参考訳（メタデータ） (2020-02-19T08:35:15Z)

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。