論文の概要: Deep Variational Autoencoder with Shallow Parallel Path for Top-N
Recommendation (VASP)
- arxiv url: http://arxiv.org/abs/2102.05774v1
- Date: Wed, 10 Feb 2021 23:27:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-12 14:04:30.620137
- Title: Deep Variational Autoencoder with Shallow Parallel Path for Top-N
Recommendation (VASP)
- Title（参考訳）: Top-N Recommendation (VASP) のためのShallow Parallel Path を用いた深部変分オートエンコーダ
- Authors: Vojt\v{e}ch Van\v{c}ura and Pavel Kord\'ik
- Abstract要約: 本稿では,このアルゴリズムの性能向上のためにNeural EASEを提案する。
我々は、Neural EASEと並行してAEを学習する方法を示し、MovieLens 20Mデータセット上で、アートパフォーマンスの状態を達成している。
- 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: Recently introduced EASE algorithm presents a simple and elegant way, how to
solve the top-N recommendation task. In this paper, we introduce Neural EASE to
further improve the performance of this algorithm by incorporating techniques
for training modern neural networks. Also, there is a growing interest in the
recsys community to utilize variational autoencoders (VAE) for this task. We
introduce deep autoencoder FLVAE benefiting from multiple non-linear layers
without an information bottleneck while not overfitting towards the identity.
We show how to learn FLVAE in parallel with Neural EASE and achieve the state
of the art performance on the MovieLens 20M dataset and competitive results on
the Netflix Prize dataset.
- Abstract（参考訳）: 最近導入されたEASEアルゴリズムは単純でエレガントな方法であり、トップNレコメンデーションタスクの解決方法を示している。
本稿では,最新のニューラルネットワークのトレーニング技術を導入して,このアルゴリズムの性能向上を図るため,Neural EASEを提案する。
また、このタスクに可変オートエンコーダ(VAE)を利用するというリサイスコミュニティへの関心が高まっています。
情報ボトルネックのない複数の非線形層から恩恵を受ける深層オートエンコーダflveeを導入する。
Neural EASEと並行してFLVAEを学習し、MovieLens 20Mデータセットの最先端のパフォーマンスとNetflix Prizeデータセットの競争結果を達成する方法を紹介します。
関連論文リスト
- Towards Theoretically Inspired Neural Initialization Optimization [66.04735385415427]
我々は,ニューラルネットワークの初期状態を評価するための理論的知見を備えた,GradCosineという微分可能な量を提案する。
標準制約下でGradCosineを最大化することにより、ネットワークのトレーニングとテストの両方の性能を向上させることができることを示す。
サンプル分析から実際のバッチ設定に一般化されたNIOは、無視可能なコストで、より優れた初期化を自動で探すことができる。
論文 参考訳（メタデータ） (2022-10-12T06:49:16Z) - Improved Algorithms for Neural Active Learning [74.89097665112621]
非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。
本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
論文 参考訳（メタデータ） (2022-10-02T05:03:38Z) - Unsupervised Representation Learning via Neural Activation Coding [66.65837512531729]
我々は、下流アプリケーションのためのラベルなしデータから深部表現を学習するための新しいアプローチとして、ニューラルアクティベーションコーディング(NAC)を提案する。
我々はNACが連続したデータ表現と離散的なデータ表現の両方を学習し、それぞれ下流の2つのタスクで評価することを示した。
論文 参考訳（メタデータ） (2021-12-07T21:59:45Z) - Can we learn gradients by Hamiltonian Neural Networks? [68.8204255655161]
本稿では,勾配を学習するODEニューラルネットワークに基づくメタラーナを提案する。
提案手法は,LLUアクティベーションを最適化したMLMとMNISTデータセットにおいて,LSTMに基づくメタラーナーよりも優れていることを示す。
論文 参考訳（メタデータ） (2021-10-31T18:35:10Z) - Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。
本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
論文 参考訳（メタデータ） (2021-06-17T17:26:31Z) - Latent Code-Based Fusion: A Volterra Neural Network Approach [21.25021807184103]
最近導入されたVolterra Neural Networks(VNN)を用いた深層構造エンコーダを提案する。
提案手法は,cnnベースのオートエンコーダに対して,より頑健な分類性能を持つサンプル複雑性を示す。
論文 参考訳（メタデータ） (2021-04-10T18:29:01Z) - A Neural Network Approach for Online Nonlinear Neyman-Pearson
Classification [3.6144103736375857]
論文の中では,オンラインと非線形の両方で初となる新しいNeyman-Pearson(NP)分類器を提案する。
提案する分類器は、オンライン方式でバイナリラベル付きデータストリーム上で動作し、ユーザが指定し、制御可能な偽陽性率の検出能力を最大化する。
提案アルゴリズムは大規模データアプリケーションに適しており,実時間処理による偽陽性率制御性を実現している。
論文 参考訳（メタデータ） (2020-06-14T20:00:25Z) - MSE-Optimal Neural Network Initialization via Layer Fusion [68.72356718879428]
ディープニューラルネットワークは、さまざまな分類と推論タスクに対して最先端のパフォーマンスを達成する。
グラデーションと非進化性の組み合わせは、学習を新しい問題の影響を受けやすいものにする。
確率変数を用いて学習した深層ネットワークの近傍層を融合する手法を提案する。
論文 参考訳（メタデータ） (2020-01-28T18:25:15Z) - Volterra Neural Networks (VNNs) [24.12314339259243]
本稿では,畳み込みニューラルネットワークの複雑性を低減するために,Volterraフィルタにインスパイアされたネットワークアーキテクチャを提案する。
本稿では,Volterra Neural Network(VNN)の並列実装とその性能について述べる。
提案手法は,動作認識のためのUCF-101およびHMDB-51データセットを用いて評価し,CNN手法よりも優れていた。
論文 参考訳（メタデータ） (2019-10-21T19:22:38Z)
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。