Fugu-MT 論文翻訳(概要): GeomCA: Geometric Evaluation of Data Representations

論文の概要: GeomCA: Geometric Evaluation of Data Representations

arxiv url: http://arxiv.org/abs/2105.12486v1
Date: Wed, 26 May 2021 11:41:40 GMT
ステータス: 処理完了
システム内更新日: 2021-05-27 13:23:54.912393
Title: GeomCA: Geometric Evaluation of Data Representations
Title（参考訳）: GeomCA:データ表現の幾何学的評価
Authors: Petra Poklukar, Anastasia Varava, Danica Kragic
Abstract要約: 幾何学的および位相的特性に基づいて表現空間を評価する幾何学的成分分析(GeomCA)アルゴリズムを提案する。コントラスト学習モデルや生成モデル,教師付き学習モデルなど,さまざまなシナリオから得られた表現を分析して,その適用性を示す。
参考スコア（独自算出の注目度）: 21.83249229426828
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Evaluating the quality of learned representations without relying on a downstream task remains one of the challenges in representation learning. In this work, we present Geometric Component Analysis (GeomCA) algorithm that evaluates representation spaces based on their geometric and topological properties. GeomCA can be applied to representations of any dimension, independently of the model that generated them. We demonstrate its applicability by analyzing representations obtained from a variety of scenarios, such as contrastive learning models, generative models and supervised learning models.
Abstract（参考訳）: 下流のタスクに頼らずに学習した表現の品質を評価することは、表現学習における課題の1つだ。本研究では,幾何学的および位相的性質に基づいて表現空間を評価する幾何成分解析(geomca)アルゴリズムを提案する。 geomcaは、生成したモデルとは独立に、任意の次元の表現に適用することができる。コントラスト学習モデルや生成モデル,教師付き学習モデルなど,さまざまなシナリオから得られた表現を分析して,その適用性を示す。

関連論文リスト

(Deep) Generative Geodesics [57.635187092922976]
2つのデータポイント間の類似性を評価するために,新しい測定基準を導入する。我々の計量は、生成距離と生成測地学の概念的定義に繋がる。彼らの近似は、穏やかな条件下で真の値に収束することが証明されている。
論文参考訳（メタデータ） (2024-07-15T21:14:02Z)
A Survey of Geometric Graph Neural Networks: Data Structures, Models and Applications [67.33002207179923]
本稿では、幾何学的GNNに関するデータ構造、モデル、および応用について調査する。幾何学的メッセージパッシングの観点から既存のモデルの統一的なビューを提供する。また、方法論開発と実験評価の後の研究を促進するために、アプリケーションと関連するデータセットを要約する。
論文参考訳（メタデータ） (2024-03-01T12:13:04Z)
Evaluating the Effectiveness of Large Language Models in Representing Textual Descriptions of Geometry and Spatial Relations [2.8935588665357086]
本研究では,大規模言語モデル(LLM)の空間的関係の表現能力を評価することに焦点を当てた。我々は GPT-2 や BERT などの LLM を用いて、よく知られたジオメトリのテキスト (WKT) フォーマットを符号化し、それらの埋め込みを分類器や回帰器に入力する。実験では、LLMが生成した埋め込みは幾何型を保存し、いくつかの空間的関係(精度は73%まで)を捉えることができるが、数値を推定し、空間的関連オブジェクトを検索する際の課題が残っている。
論文参考訳（メタデータ） (2023-07-05T03:50:08Z)
Topological Parallax: A Geometric Specification for Deep Perception Models [0.778001492222129]
本稿では,学習したモデルを参照データセットと比較する理論的・計算ツールとしてトポロジカルパララックスを導入する。我々の例では、データセットとモデルの間のこの幾何学的類似性は、信頼性と摂動に不可欠である。この新しい概念は、ディープラーニングの応用における過度な適合と一般化の間の不明瞭な関係について、現在の議論に価値をもたらすだろう。
論文参考訳（メタデータ） (2023-06-20T18:45:24Z)
Towards a mathematical understanding of learning from few examples with nonlinear feature maps [68.8204255655161]
トレーニングセットがわずか数個のデータポイントから構成されるデータ分類の問題を考える。我々は、AIモデルの特徴空間の幾何学、基礎となるデータ分布の構造、モデルの一般化能力との間の重要な関係を明らかにする。
論文参考訳（メタデータ） (2022-11-07T14:52:58Z)
The Geometry of Self-supervised Learning Models and its Impact on Transfer Learning [62.601681746034956]
自己教師型学習(SSL)はコンピュータビジョンにおいて望ましいパラダイムとして登場した。本稿では,各特徴空間内の局所的近傍を用いて異なるSSLモデルを分析するためのデータ駆動幾何学的手法を提案する。
論文参考訳（メタデータ） (2022-09-18T18:15:38Z)
Delaunay Component Analysis for Evaluation of Data Representations [20.31649764319578]
Delaunay Component Analysis (DCA) - Delaunay graphと呼ばれるより適切な近傍グラフを用いてデータ多様体を近似する評価アルゴリズムを提案する。比較対象モデル,教師付きモデル,生成モデルを用いて学習したニューラルネットワークから得られた表現について,提案手法を実験的に検証した。
論文参考訳（メタデータ） (2022-02-14T16:48:23Z)
Model-agnostic multi-objective approach for the evolutionary discovery of mathematical models [55.41644538483948]
現代のデータ科学では、どの部分がより良い結果を得るために置き換えられるかというモデルの性質を理解することがより興味深い。合成データ駆動型モデル学習において,多目的進化最適化を用いてアルゴリズムの所望特性を求める。
論文参考訳（メタデータ） (2021-07-07T11:17:09Z)
Model-free Representation Learning and Exploration in Low-rank MDPs [64.72023662543363]
低位mdpに対して,最初のモデルフリー表現学習アルゴリズムを提案する。主要なアルゴリズムの貢献は新しいミニマックス表現の学習の目的です。結果は複雑な環境にスケールする一般的な関数近似を収容できます。
論文参考訳（メタデータ） (2021-02-14T00:06:54Z)

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。