Fugu-MT 論文翻訳(概要): An Introduction to Johnson-Lindenstrauss Transforms

論文の概要: An Introduction to Johnson-Lindenstrauss Transforms

arxiv url: http://arxiv.org/abs/2103.00564v1
Date: Sun, 28 Feb 2021 16:57:41 GMT
ステータス: 処理完了
システム内更新日: 2021-03-04 05:26:44.855887
Title: An Introduction to Johnson-Lindenstrauss Transforms
Title（参考訳）: Johnson-Lindenstrauss変換の紹介
Authors: Casper Benjamin Freksen
Abstract要約: Johnson--Lindenstrauss Transformsは、データの主要な特性を保持しながら、データの次元を小さくする強力なツールである。このメモは、彼らが何であるかを説明し、1980年代に導入されて以来の彼らの使用と開発の概要を示しています。
参考スコア（独自算出の注目度）: 1.52292571922932
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Johnson--Lindenstrauss Transforms are powerful tools for reducing the dimensionality of data while preserving key characteristics of that data, and they have found use in many fields from machine learning to differential privacy and more. This note explains what they are; it gives an overview of their use and their development since they were introduced in the 1980s; and it provides many references should the reader wish to explore these topics more deeply.
Abstract（参考訳）: Johnson--Lindenstrauss Transformsは、データの主要特性を維持しながらデータの寸法性を低減するための強力なツールであり、機械学習から差分プライバシーなど、多くの分野で使用されています。 1980年代に導入されて以来、その使用状況と開発状況の概要を提供し、読者がこれらのトピックをより深く探求したい場合、多くの参考文献を提供する。

関連論文リスト

A Survey on Recent Random Walk-based Methods for Embedding Knowledge Graphs [0.0]
知識グラフ上の機械学習、ディープラーニング、NLPメソッドは、異なる分野に存在する。知識グラフは通常、高次元を持つので、それらを低次元ベクトル空間に変換する必要がある。埋め込みは、入力データ固有の特徴が保存される方法で高次元ベクトルを変換できる低次元空間である。
論文参考訳（メタデータ） (2024-06-11T16:08:39Z)
The Frontier of Data Erasure: Machine Unlearning for Large Language Models [56.26002631481726]
大規模言語モデル(LLM)はAIの進歩の基礎となっている。 LLMは機密情報、偏見情報、著作権情報を記憶し、広めることによってリスクを生じさせる。機械学習は、これらの懸念を軽減するための最先端のソリューションとして現れます。
論文参考訳（メタデータ） (2024-03-23T09:26:15Z)
Transformer for Object Re-Identification: A Survey [69.61542572894263]
ビジョントランスフォーマーは、TransformerベースのRe-IDをさらに深く研究している。本稿では、TransformerベースのRe-IDの総合的なレビューと詳細な分析を行う。本稿では,教師なしRe-IDのトレンドを考えると,最先端性能を実現するための新しいトランスフォーマーベースラインUntransReIDを提案する。
論文参考訳（メタデータ） (2024-01-13T03:17:57Z)
A brief review of contrastive learning applied to astrophysics [0.0]
コントラスト学習(Contrastive Learning)は、多次元データセットから情報測定を抽出する自己教師型機械学習アルゴリズムである。本稿では、コントラスト学習の背景にある主要な概念を要約し、天文学への最初の有望な応用についてレビューする。
論文参考訳（メタデータ） (2023-06-08T19:56:32Z)
Enhancing Data Space Semantic Interoperability through Machine Learning: a Visionary Perspective [5.994412766684842]
我々のビジョンペーパーは、機械学習の適用を通じて、データ空間におけるセマンティックインターオペラビリティの未来を改善する計画の概要を述べている。機械学習のパワーを活用することで、データ空間におけるセマンティック相互運用性を大幅に改善できると考えています。データ空間の将来に対する私たちのビジョンは、従来のデータ交換の限界に対処し、コミュニティのすべてのメンバーにとってよりアクセスしやすく、価値のあるデータを提供します。
論文参考訳（メタデータ） (2023-03-15T20:57:31Z)
Using Large Language Models to Generate Engaging Captions for Data Visualizations [51.98253121636079]
大規模言語モデル(LLM)は、高度なディープラーニング技術を用いて人間のような散文を生成する。主な課題は、プロンプトエンジニアリングと呼ばれるLLMの最も効果的なプロンプトを設計することである。我々は,LLM GPT-3を用いた最初の実験について報告し,いくつかの有望な結果を得た。
論文参考訳（メタデータ） (2022-12-27T23:56:57Z)
KeypartX: Graph-based Perception (Text) Representation [4.023770829140818]
KeypartXは、音声認識の重要部分による知覚(一般的にはテキスト)を表現するグラフベースのアプローチである。本研究は、音声のキー部分による知覚(テキスト全般)を表現するグラフベースのアプローチであるKeypartXを提案する。
論文参考訳（メタデータ） (2022-09-23T20:15:50Z)
"Why Here and Not There?" -- Diverse Contrasting Explanations of Dimensionality Reduction [75.97774982432976]
本稿では,次元削減のためのコントラスト説明の概念を紹介する。本稿では,この概念を二次元データ可視化の具体的応用に適用する。
論文参考訳（メタデータ） (2022-06-15T08:54:39Z)
Generating artificial texts as substitution or complement of training data [1.3750624267664153]
本稿では,教師付き学習課題のための学習データを生成するために人工データを使用するという課題について考察する。微調整GPT-2モデルを用いた人工データを用いたWeb関連分類タスクにおいて,異なる実験を行った。以上の結果から,そのような人工データは一定の拡張で使用できるが,性能を著しく向上させるためには前処理が必要であることが示唆された。
論文参考訳（メタデータ） (2021-10-25T14:53:42Z)
Synthetic Data: Opening the data floodgates to enable faster, more directed development of machine learning methods [96.92041573661407]
機械学習における画期的な進歩の多くは、大量のリッチデータを利用できることに起因する。多くの大規模データセットは、医療データなど高度に敏感であり、機械学習コミュニティでは広く利用できない。プライバシー保証で合成データを生成することは、そのようなソリューションを提供します。
論文参考訳（メタデータ） (2020-12-08T17:26:10Z)
Overcoming the curse of dimensionality with Laplacian regularization in semi-supervised learning [80.20302993614594]
ラプラシア正規化の欠点を克服するための統計的解析を提供する。望ましい振る舞いを示すスペクトルフィルタリング法を多数発表する。我々は,本手法を大量のデータで利用できるようにするために,現実的な計算ガイドラインを提供する。
論文参考訳（メタデータ） (2020-09-09T14:28:54Z)

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。