論文の概要: Model-centric Data Manifold: the Data Through the Eyes of the Model
- arxiv url: http://arxiv.org/abs/2104.13289v1
- Date: Mon, 26 Apr 2021 16:03:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-29 02:37:54.964492
- Title: Model-centric Data Manifold: the Data Through the Eyes of the Model
- Title(参考訳): モデル中心のデータ多様体:モデルの目を通してのデータ
- Authors: Luca Grementieri, Rita Fioresi
- Abstract要約: deep reluニューラルネットワーク分類器は、データ上の低次元多様体構造を見ることができる。
モデルが訓練されたデータセットは、その寸法が分類ラベルの数によって境界づけられているリーフ、データリーフにあることを示しています。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We discover that deep ReLU neural network classifiers can see a
low-dimensional Riemannian manifold structure on data. Such structure comes via
the local data matrix, a variation of the Fisher information matrix, where the
role of the model parameters is taken by the data variables. We obtain a
foliation of the data domain and we show that the dataset on which the model is
trained lies on a leaf, the data leaf, whose dimension is bounded by the number
of classification labels. We validate our results with some experiments with
the MNIST dataset: paths on the data leaf connect valid images, while other
leaves cover noisy images.
- Abstract(参考訳): 深層reluニューラルネットワーク分類器はデータ上の低次元リーマン多様体構造を見ることができる。
このような構造はローカルデータマトリクス(Fisher情報マトリクスのバリエーション)によってもたらされ、そこではモデルパラメータの役割がデータ変数によって取られる。
本研究では,データ領域の葉形成を行い,そのモデルが訓練されたデータセットが,分類ラベルの数に制限されたデータリーフ上にあることを示す。
データリーフ上のパスは有効な画像を接続し、他のリーフはノイズの多い画像をカバーします。
関連論文リスト
- Making Parametric Anomaly Detection on Tabular Data Non-Parametric Again [0.0]
研究は、このギャップに対処するために、検索強化モデルを導入し、分類や回帰といった教師付きタスクで有望な結果を示した。
本稿では,変圧器モデルを用いてテクスチャ正規サンプルのマスク特徴を再構成する再構成手法を提案する。
31データセットのベンチマークでの実験では、この再構成ベースの異常検出(AD)メソッドを検索モジュールを介して非パラメトリックな関係で拡張することで、パフォーマンスが大幅に向上することが示された。
論文 参考訳(メタデータ) (2024-01-30T14:33:18Z) - Images in Discrete Choice Modeling: Addressing Data Isomorphism in
Multi-Modality Inputs [77.54052164713394]
本稿では,離散選択モデリング(DCM)と機械学習の交わりについて考察する。
本稿では,DCMフレームワーク内の従来の表型入力と同型情報を共有する高次元画像データの埋め込み結果について検討する。
論文 参考訳(メタデータ) (2023-12-22T14:33:54Z) - Neural FIM for learning Fisher Information Metrics from point cloud data [71.07939200676199]
我々は、ポイントクラウドデータからフィッシャー情報量(FIM)を計算するためのニューラルFIMを提案する。
本稿では,PHATE可視化手法のパラメータの選択と,IPSCリプログラミングとPBMC(免疫細胞)の2つの単一セルデータセットと,おもちゃデータセットの分岐点とクラスタセンターの埋め込みに関する情報を得る能力について述べる。
論文 参考訳(メタデータ) (2023-06-01T17:36:13Z) - Fascinating Supervisory Signals and Where to Find Them: Deep Anomaly
Detection with Scale Learning [11.245813423781415]
我々は、データラベルとして特性-スケール-を導入することで、データのための新しいデータ駆動監視を考案する。
スケールは変換された表現にアタッチされたラベルとして機能し、ニューラルネットワークのトレーニングに十分なラベル付きデータを提供する。
本稿では,大規模学習に基づく異常検出手法を提案する。
論文 参考訳(メタデータ) (2023-05-25T14:48:00Z) - ProtoVAE: Prototypical Networks for Unsupervised Disentanglement [1.6114012813668934]
本稿では,自己スーパービジョンを用いて学習した深層学習型プロトタイプネットワークを活用する,新しい深部生成型VAEモデルProtoVAEを提案する。
我々のモデルは、完全に教師なしであり、要素数を含むデータセットの事前知識を必要としない。
提案手法をベンチマークdSprites, 3DShapes, MPI3Dディジアングルメントデータセット上で評価した。
論文 参考訳(メタデータ) (2023-05-16T01:29:26Z) - CHALLENGER: Training with Attribution Maps [63.736435657236505]
ニューラルネットワークのトレーニングに属性マップを利用すると、モデルの正規化が向上し、性能が向上することを示す。
特に、我々の汎用的なドメインに依存しないアプローチは、ビジョン、自然言語処理、時系列タスクにおける最先端の結果をもたらすことを示す。
論文 参考訳(メタデータ) (2022-05-30T13:34:46Z) - ClassSPLOM -- A Scatterplot Matrix to Visualize Separation of Multiclass
Multidimensional Data [8.89134799076718]
多次元データのマルチクラス分類において、ユーザは、目に見えないデータのラベルを予測するために、クラスのモデルを構築したい。
モデルは、データに基づいてトレーニングされ、その品質を評価するために、既知のラベルで見えないデータでテストされる。
結果は混乱行列として可視化され,データラベルが正しく予測されたか,他のクラスと混同されたかを示す。
論文 参考訳(メタデータ) (2022-01-30T14:09:19Z) - Dataset Cartography: Mapping and Diagnosing Datasets with Training
Dynamics [118.75207687144817]
我々はデータセットを特徴付け、診断するモデルベースのツールであるData Mapsを紹介した。
私たちは、トレーニング中の個々のインスタンス上でのモデルの振る舞いという、ほとんど無視された情報のソースを活用しています。
以上の結果から,データ量から品質へのフォーカスの変化は,ロバストなモデルとアウト・オブ・ディストリビューションの一般化に繋がる可能性が示唆された。
論文 参考訳(メタデータ) (2020-09-22T20:19:41Z) - Data from Model: Extracting Data from Non-robust and Robust Models [83.60161052867534]
この研究は、データとモデルの関係を明らかにするために、モデルからデータを生成する逆プロセスについて検討する。
本稿では,データ・トゥ・モデル(DtM)とデータ・トゥ・モデル(DfM)を連続的に処理し,特徴マッピング情報の喪失について検討する。
以上の結果から,DtMとDfMの複数シーケンスの後にも,特にロバストモデルにおいて精度低下が制限されることが示唆された。
論文 参考訳(メタデータ) (2020-07-13T05:27:48Z) - Pre-Trained Models for Heterogeneous Information Networks [57.78194356302626]
異種情報ネットワークの特徴を捉えるための自己教師付き事前学習・微調整フレームワークPF-HINを提案する。
PF-HINは4つのデータセットにおいて、各タスクにおける最先端の代替よりも一貫して、大幅に優れています。
論文 参考訳(メタデータ) (2020-07-07T03:36:28Z)
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。