論文の概要: Learning proofs for the classification of nilpotent semigroups
- arxiv url: http://arxiv.org/abs/2106.03015v1
- Date: Sun, 6 Jun 2021 03:03:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-08 17:23:43.633617
- Title: Learning proofs for the classification of nilpotent semigroups
- Title（参考訳）: 零半群の分類に関する学習証明
- Authors: Carlos Simpson
- Abstract要約: 機械学習は 4-nilpotent semigroup の分類のための小または小数のノードの証明を見つけるために用いられる。
機械学習は 4-nilpotent semigroup の分類のための小または小数のノードの証明を見つけるために用いられる。
- 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: Machine learning is applied to find proofs, with smaller or smallest numbers
of nodes, for the classification of 4-nilpotent semigroups.
- Abstract（参考訳）: 機械学習は 4-nilpotent semigroup の分類のための小または小数のノードの証明を見つけるために用いられる。
関連論文リスト
- Discover and Mitigate Multiple Biased Subgroups in Image Classifiers [45.96784278814168]
機械学習モデルは、分散データではうまく機能するが、トレーニングデータに不足している偏りのあるサブグループでは失敗することが多い。
この問題に対処するために,分解,解釈,緩和(DIM)を提案する。
提案手法では,画像特徴を複数のサブグループを表す複数のコンポーネントに分解する。
論文 参考訳（メタデータ） (2024-03-19T14:44:54Z) - Learning to be Simple [0.0]
有限群を含む構造化された数学的データを理解するために機械学習を用いる。
有限単純群の生成元に必要な性質に関する定理を導出する。
我々の研究は、機械学習の助けを借りて数学の新しい予想と定理を生成する可能性を強調している。
論文 参考訳（メタデータ） (2023-12-08T19:00:00Z) - Neural Discovery of Permutation Subgroups [6.789370732159178]
ある条件を満たすことを考慮し、基礎となる部分群を発見する方法を提案する。
我々の結果は、$S_n$不変関数と線形変換を学習することで、タイプ $S_k (k leq n) の任意の部分群を見つけることができることを示している。
論文 参考訳（メタデータ） (2023-09-11T09:53:28Z) - Categorification of Group Equivariant Neural Networks [0.0]
群同変ニューラルネットワークの線形層関数の理解と操作にカテゴリ理論をどのように利用できるかを示す。
カテゴリー論的構成を用いることで、これらのニューラルネットワークの元々の定式化には見られないよりリッチな構造を構築する。
論文 参考訳（メタデータ） (2023-04-27T12:39:28Z) - Identification of Systematic Errors of Image Classifiers on Rare
Subgroups [12.064692111429494]
組織的エラーは、少数民族の公正性だけでなく、ドメインシフト時の堅牢性と安全性にも影響します。
我々は,テキスト・ツー・イメージ・モデルにおける最近の進歩を活用し,ターゲットモデルの性能が低いサブグループに対するサブグループのテキスト記述("prompts")の空間を探索する。
本稿では, PromptAttackによるサブグループカバレッジと識別可能性について検討し, 高い精度で系統的誤りを識別できることを見出した。
論文 参考訳（メタデータ） (2023-03-09T07:08:25Z) - Schoenberg Correspondence for $k$-(Super)Positive Maps on Matrix
Algebras [0.0]
M_n(C)$ 上の線型写像の半群の生成元を特徴づけ、$k$-陽性、$k$-super positive、または$k$-entanglement break である。
作用素の半群の具体例を示し、その正の性質が時間とともにどのように改善するかを研究する。
論文 参考訳（メタデータ） (2023-01-25T16:32:53Z) - Outlier-Robust Group Inference via Gradient Space Clustering [50.87474101594732]
既存のメソッドは、最悪のグループのパフォーマンスを改善することができるが、それらは、しばしば高価で入手できないグループアノテーションを必要とする。
モデルパラメータの勾配の空間にデータをクラスタリングすることで,アウトレーヤの存在下でグループアノテーションを学習する問題に対処する。
そこで我々は,DBSCANのような標準クラスタリング手法に適合するように,マイノリティグループや外れ値に関する情報を保存しながら,勾配空間内のデータがより単純な構造を持つことを示す。
論文 参考訳（メタデータ） (2022-10-13T06:04:43Z) - The Group Loss++: A deeper look into group loss for deep metric learning [65.19665861268574]
グループ損失 (Group Loss) は、グループの全サンプルに埋め込まれた類似性を強制する微分可能なラベルプロパゲーション法に基づく損失関数である。
4つのデータセットでクラスタリングと画像検索の最先端結果を示し、2人の再識別データセットで競合結果を示す。
論文 参考訳（メタデータ） (2022-04-04T14:09:58Z) - Abelian Neural Networks [48.52497085313911]
まず、アベリア群演算のためのニューラルネットワークアーキテクチャを構築し、普遍近似特性を導出する。
連想対称の特徴づけを用いて、アベリア半群演算に拡張する。
固定単語埋め込み上でモデルをトレーニングし、元の word2vec よりも優れた性能を示す。
論文 参考訳（メタデータ） (2021-02-24T11:52:21Z) - Group Testing with a Graph Infection Spread Model [61.48558770435175]
感染は個人間のつながりを通じて広がり、その結果、確率的クラスター形成構造と、個人に対する非i.d.感染状態が生じる。
そこで本研究では,既知の確率的感染拡散モデルを利用する2段階のサンプルグループテストアルゴリズムを提案する。
その結果, 感染率が高い場合でも, 集団検査により必要な検査数を大幅に削減できることが示唆された。
論文 参考訳（メタデータ） (2021-01-14T18:51:32Z) - Deep Semi-Supervised Embedded Clustering (DSEC) for Stratification of
Heart Failure Patients [50.48904066814385]
本研究では、深層半教師付き組込みクラスタリングを用いて、心不全のデータ駆動型患者サブグループを決定する。
ヘテロジニアスデータから得られた組込み空間から臨床関連クラスタを見出した。
提案アルゴリズムは、異なる結果を持つ患者の新たな未診断サブグループを見つけることができる。
論文 参考訳（メタデータ） (2020-12-24T12:56:46Z)
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。