Fugu-MT 論文翻訳(概要): Towards a Model for LSH

論文の概要: Towards a Model for LSH

arxiv url: http://arxiv.org/abs/2105.05130v1
Date: Tue, 11 May 2021 15:39:55 GMT
ステータス: 処理完了
システム内更新日: 2021-05-12 17:51:58.385729
Title: Towards a Model for LSH
Title（参考訳）: LSHのモデルに向けて
Authors: Li Wang
Abstract要約: クラスタリングと外れ値検出アルゴリズムは、ますます時間がかかりつつある。近似インデックス構造がクラスタリングと外乱検出の近傍探索を加速する好機であることを示す。
参考スコア（独自算出の注目度）: 7.400475825464313
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: As data volumes continue to grow, clustering and outlier detection algorithms are becoming increasingly time-consuming. Classical index structures for neighbor search are no longer sustainable due to the "curse of dimensionality". Instead, approximated index structures offer a good opportunity to significantly accelerate the neighbor search for clustering and outlier detection and to have the lowest possible error rate in the results of the algorithms. Locality-sensitive hashing is one of those. We indicate directions to model the properties of LSH.
Abstract（参考訳）: データ量が増え続けるにつれて、クラスタリングと異常検出アルゴリズムはますます時間を要するようになっている。近隣探索のための古典的な索引構造は「次元の曲線」のためにもはや持続可能ではない。その代わり、近似インデックス構造は、クラスタリングと異常検出の隣接探索を著しく加速し、アルゴリズムの結果において最も低い誤差率を持つ良い機会を提供する。局所性に敏感なハッシュもその1つである。 LSHの特性をモデル化するための方向を示す。

関連論文リスト

SOAR: Improved Indexing for Approximate Nearest Neighbor Search [30.752720306189342]
Orthogonality-Amplified Residuals (SOAR) によるスパイリングは、近接した近傍(ANN)探索のための新しいデータインデックス化手法である。
論文参考訳（メタデータ） (2024-03-31T19:09:09Z)
A Modular Spatial Clustering Algorithm with Noise Specification [0.0]
細菌ファームアルゴリズムは、閉じた実験農場の細菌の成長にインスパイアされている。他のクラスタリングアルゴリズムとは対照的に、我々のアルゴリズムはクラスタリング中に除外されるノイズの量を規定する機能も備えている。
論文参考訳（メタデータ） (2023-09-18T18:05:06Z)
A density peaks clustering algorithm with sparse search and K-d tree [16.141611031128427]
この問題を解決するために,スパース探索とK-d木を用いた密度ピーククラスタリングアルゴリズムを開発した。分散特性が異なるデータセット上で、他の5つの典型的なクラスタリングアルゴリズムと比較して実験を行う。
論文参考訳（メタデータ） (2022-03-02T09:29:40Z)
Mathematical Models for Local Sensing Hashes [7.400475825464313]
近似インデックス構造は,クラスタリングと外乱検出の近傍探索を高速化する好機であることを示す。局所センシングハッシュの特性を数学的にモデル化する方向を示す。
論文参考訳（メタデータ） (2021-11-16T10:40:55Z)
Correlation Clustering Reconstruction in Semi-Adversarial Models [70.11015369368272]
相関クラスタリングは多くのアプリケーションにおいて重要なクラスタリング問題である。本研究では,ランダムノイズや対向的な修正によって崩壊した潜伏クラスタリングを再構築しようとする,この問題の再構築版について検討する。
論文参考訳（メタデータ） (2021-08-10T14:46:17Z)
Sublinear Least-Squares Value Iteration via Locality Sensitive Hashing [49.73889315176884]
本稿では、実行時の複雑さをアクション数にサブリニアに持つ最初の証明可能なLeast-Squares Value Iteration(LSVI)アルゴリズムを提示する。我々は, 近似最大内積探索理論と強化学習の後悔分析との関係を構築する。
論文参考訳（メタデータ） (2021-05-18T05:23:53Z)
BR-NS: an Archive-less Approach to Novelty Search [70.13948372218849]
行動認識に基づく新規性探索(BR-NS)という,新規性推定の代替手法について議論する。 BR-NSはアーカイブを必要とせず、行動空間で定義できるメトリクスを前提にせず、近隣の検索に依存しません。我々は、その実現可能性とダイナミクス、および時間複雑性の観点からアーカイブベースのnsよりも潜在的に有利な点について洞察を得るために実験を行う。
論文参考訳（メタデータ） (2021-04-08T17:31:34Z)
Adversarial Examples for $k$-Nearest Neighbor Classifiers Based on Higher-Order Voronoi Diagrams [69.4411417775822]
逆例は機械学習モデルにおいて広く研究されている現象である。そこで本研究では,$k$-nearest 近傍分類の逆ロバスト性を評価するアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-11-19T08:49:10Z)
Cluster-and-Conquer: When Randomness Meets Graph Locality [0.0]
最も効率的なKNNグラフアルゴリズムのいくつかはインクリメンタルで局所的なものである。 Cluster-and-Conquerは、greedyアルゴリズムの開始構成を強化します。
論文参考訳（メタデータ） (2020-10-22T07:31:12Z)
CIMON: Towards High-quality Hash Codes [63.37321228830102]
我々はtextbfComprehensive stextbfImilarity textbfMining と ctextbfOnsistency leartextbfNing (CIMON) という新しい手法を提案する。まず、グローバルな洗練と類似度統計分布を用いて、信頼性とスムーズなガイダンスを得る。第二に、意味的整合性学習とコントラスト的整合性学習の両方を導入して、乱不変と差別的ハッシュコードの両方を導出する。
論文参考訳（メタデータ） (2020-10-15T14:47:14Z)
Reinforcing Short-Length Hashing [61.75883795807109]
既存の手法は、非常に短いハッシュコードを用いた検索性能が劣っている。本研究では, 短寿命ハッシュ(RSLH)を改良する新しい手法を提案する。本稿では,ハッシュ表現とセマンティックラベルの相互再構成を行い,セマンティック情報を保存する。 3つの大規模画像ベンチマークの実験は、様々な短いハッシュシナリオ下でのRSLHの優れた性能を示す。
論文参考訳（メタデータ） (2020-04-24T02:23:52Z)

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。