Fugu-MT 論文翻訳(概要): Learning to Sample from Censored Markov Random Fields

論文の概要: Learning to Sample from Censored Markov Random Fields

arxiv url: http://arxiv.org/abs/2101.06178v1
Date: Fri, 15 Jan 2021 15:38:19 GMT
ステータス: 処理完了
システム内更新日: 2021-03-28 11:17:38.369837
Title: Learning to Sample from Censored Markov Random Fields
Title（参考訳）: 検閲されたマルコフ確率場からのサンプルへの学習
Authors: Ankur Moitra and Elchanan Mossel and Colin Sandon
Abstract要約: Censor Markov Random Fields (略称CMRFs) の学習に関する研究これらは、いくつかのノードが検閲されている(観察されていない)マルコフ確率場である。 O(n)輸送距離内で高温CMRFを学習するためのアルゴリズムを提案する。
参考スコア（独自算出の注目度）: 22.104738355946193
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study learning Censor Markov Random Fields (abbreviated CMRFs). These are Markov Random Fields where some of the nodes are censored (not observed). We present an algorithm for learning high-temperature CMRFs within o(n) transportation distance. Crucially our algorithm makes no assumption about the structure of the graph or the number or location of the observed nodes. We obtain stronger results for high girth high-temperature CMRFs as well as computational lower bounds indicating that our results can not be qualitatively improved.
Abstract（参考訳）: 我々は,Censor Markov Random Fields(CMRF)を学習する。これらはマルコフ確率場であり、ノードのいくつかは検閲されている(観察されない)。 O(n)輸送距離内で高温CMRFを学習するためのアルゴリズムを提案する。重要なことは、我々のアルゴリズムはグラフの構造や観測されたノードの数や位置について仮定しない。我々は,高温CMRFと計算下界について,定性的に改善できないことを示す強力な結果を得た。

関連論文リスト

Best Arm Identification with Fixed Budget: A Large Deviation Perspective [54.305323903582845]
我々は、様々な武器の報酬間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。特に、様々な武器の報酬の間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。
論文参考訳（メタデータ） (2023-12-19T13:17:43Z)
PUFA-GAN: A Frequency-Aware Generative Adversarial Network for 3D Point Cloud Upsampling [56.463507980857216]
本稿では,点群アップサンプリングのための生成的対向ネットワークを提案する。基底表面に均等に分布するアップサンプリングポイントを作成できるだけでなく、クリーンな高周波領域を効率的に生成することができる。
論文参考訳（メタデータ） (2022-03-02T07:47:46Z)
Super-resolution GANs of randomly-seeded fields [68.8204255655161]
ランダムスパースセンサからフィールド量の推定を行うための,GAN(Super- resolution Generative Adversarial Network)フレームワークを提案する。このアルゴリズムはランダムサンプリングを利用して、高解像度の基底分布の不完全ビューを提供する。提案手法は, 流体流動シミュレーション, 海洋表面温度分布測定, 粒子画像速度測定データの合成データベースを用いて検証した。
論文参考訳（メタデータ） (2022-02-23T18:57:53Z)
Regularized Frank-Wolfe for Dense CRFs: Generalizing Mean Field and Beyond [19.544213396776268]
我々は,高次条件場に対する汎用的で効果的なCNNベースライン推論である正規化Frank-Wolfeを導入する。新しいアルゴリズム、新しいアルゴリズム、新しいデータセット、強力なニューラルネットワークの大幅な改善が示されています。
論文参考訳（メタデータ） (2021-10-27T20:44:47Z)
Semi-Supervised Node Classification on Graphs: Markov Random Fields vs. Graph Neural Networks [38.760186021633146]
グラフ構造データの半監視ノード分類には、不正検出、偽アカウントおよびレビュー検出、ソーシャルネットワークにおけるユーザーのプライベート属性推論、コミュニティ検出などの多くのアプリケーションがあります。半監視ノード分類のためにペアワイズマルコフランダムフィールド(pMRF)やグラフニューラルネットワークなどの様々な手法が開発された。 pMRFはグラフニューラルネットワークよりも効率的です。既存のpMRFベースの手法は、すべてのエッジに対して一定のエッジ電位を仮定するキー制限のため、グラフニューラルネットワークよりも正確ではない。
論文参考訳（メタデータ） (2020-12-24T03:46:08Z)
Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
論文参考訳（メタデータ） (2020-11-17T12:52:18Z)
Bandit Samplers for Training Graph Neural Networks [63.17765191700203]
グラフ畳み込みネットワーク(GCN)の訓練を高速化するために, ばらつきを低減したサンプリングアルゴリズムが提案されている。これらのサンプリングアルゴリズムは、グラフ注意ネットワーク(GAT)のような固定重みよりも学習重量を含む、より一般的なグラフニューラルネットワーク(GNN)には適用できない。
論文参考訳（メタデータ） (2020-06-10T12:48:37Z)
Learning LWF Chain Graphs: A Markov Blanket Discovery Approach [2.3333090554192615]
本稿では、LWF(Lauritzen-Wermuth-Frydenberg)解釈の下で、連鎖グラフ(CG)におけるマルコフ毛布のグラフィカルな特徴を提供する。 LWF CGにおけるマルコフ毛布発見のための,スケーラブルで音質の高い新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-05-29T16:44:25Z)
Stochastic Learning for Sparse Discrete Markov Random Fields with Controlled Gradient Approximation Error [10.381976180143328]
離散マルコフ確率場(MRF)に対する$L_$正規化極大推定器(MLE)問題について検討する。これらの課題に対処するために、近位勾配(SPG)と呼ばれる検証可能な学習フレームワークを検討する。勾配近似の品質を検査し、制御するための新しい検証可能な境界を提供する。
論文参考訳（メタデータ） (2020-05-12T22:48:42Z)
Oracle Lower Bounds for Stochastic Gradient Sampling Algorithms [39.746670539407084]
我々は、$bbRd$の強い対数凹密度からサンプリングする問題を考察する。必要なログ密度の勾配クエリ数に基づいて,情報理論の下界を証明した。
論文参考訳（メタデータ） (2020-02-01T23:46:35Z)
Targeted stochastic gradient Markov chain Monte Carlo for hidden Markov models with rare latent states [48.705095800341944]
隠れマルコフモデルのためのマルコフ連鎖モンテカルロ (MCMC) アルゴリズムは、しばしば前向きのサンプリング器に依存する。これにより、時系列の長さが増加するにつれて計算が遅くなり、サブサンプリングベースのアプローチの開発が動機となる。本稿では,パラメータの勾配を計算する際に,希少な潜伏状態に対応するオーバーサンプリング観測を対象とするサブサンプリング手法を提案する。
論文参考訳（メタデータ） (2018-10-31T17:44:20Z)

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。