論文の概要: Efficient exact computation of the conjunctive and disjunctive decompositions of D-S Theory for information fusion: Translation and extension

• arxiv url: http://arxiv.org/abs/2107.06329v1
• Date: Tue, 13 Jul 2021 18:41:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-15 14:10:46.159863
• Title: Efficient exact computation of the conjunctive and disjunctive decompositions of D-S Theory for information fusion: Translation and extension
• Title（参考訳）: 情報融合のためのD-S理論の連結分解と解離分解の効率的な正確な計算:翻訳と拡張
• Authors: Maxime Chaveroche, Franck Davoine, V\'eronique Cherfaoui
• Abstract要約: デンプスター・シェーファー理論(DST)はベイズ確率論を一般化し、有用な追加情報を提供するが、高い計算負担に悩まされる。 本稿では,これらの分解物に含まれる実証拠(情報)を利用して計算する手法を提案する。 我々の公式は、識別のフレームのサイズが数ダースの可能な状態を超えると、引くことができる可能性を持っている。
• 参考スコア（独自算出の注目度）: 2.127049691404299
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Dempster-Shafer Theory (DST) generalizes Bayesian probability theory, offering useful additional information, but suffers from a high computational burden. A lot of work has been done to reduce the complexity of computations used in information fusion with Dempster's rule. Yet, few research had been conducted to reduce the complexity of computations for the conjunctive and disjunctive decompositions of evidence, which are at the core of other important methods of information fusion. In this paper, we propose a method designed to exploit the actual evidence (information) contained in these decompositions in order to compute them. It is based on a new notion that we call focal point, derived from the notion of focal set. With it, we are able to reduce these computations up to a linear complexity in the number of focal sets in some cases. In a broader perspective, our formulas have the potential to be tractable when the size of the frame of discernment exceeds a few dozen possible states, contrary to the existing litterature. This article extends (and translates) our work published at the french conference GRETSI in 2019.
• Abstract（参考訳）: dempster-shafer theory (dst) はベイズ確率論を一般化し、有用な追加情報を提供するが、高い計算量に苦しむ。 Dempsterの法則と情報融合に使用される計算の複雑さを軽減するために多くの研究がなされている。 しかし、他の重要な情報融合の方法の核となる証拠の結合的および断続的分解の計算の複雑さを減らすための研究はほとんど行われていない。 本稿では,これらの分解に含まれる実際の証拠(情報)を活用して計算を行う手法を提案する。 これは、焦点集合の概念から派生した焦点と呼ばれる新しい概念に基づいている。 これにより、ある場合において焦点集合の個数において、これらの計算を線形複雑性まで減らすことができる。 より広い視点で見ると、我々の公式は、既存の文体とは対照的に、識別のフレームのサイズが数ダースの可能な状態を超えると、引くことができる可能性がある。 この記事では、2019年のフランス語カンファレンスGRETSIで発表された作業を拡張し、翻訳します。

関連論文リスト

• Unveiling the Statistical Foundations of Chain-of-Thought Prompting Methods [59.779795063072655]
  CoT(Chain-of-Thought)の促進とその変種は、多段階推論問題を解決する効果的な方法として人気を集めている。 統計的推定の観点からCoTのプロンプトを解析し,その複雑さを包括的に評価する。
  論文  参考訳（メタデータ） (2024-08-25T04:07:18Z)
• Entropy and the Kullback-Leibler Divergence for Bayesian Networks: Computational Complexity and Efficient Implementation [0.0]
  我々は、最も一般的な分布仮定の下で、シャノンのエントロピーと BN に対するクルバック・リーバーの発散を計算する方法を示す。 ガウス BN に対して、KL の計算複雑性を立方体から二次体に還元できることが示されている。
  論文  参考訳（メタデータ） (2023-11-29T15:51:04Z)
• Scaling Riemannian Diffusion Models [68.52820280448991]
  非自明な多様体上の高次元タスクにスケールできることを示す。 我々は、$SU(n)$格子上のQCD密度と高次元超球面上の対照的に学習された埋め込みをモデル化する。
  論文  参考訳（メタデータ） (2023-10-30T21:27:53Z)
• Tractable Bounding of Counterfactual Queries by Knowledge Compilation [51.47174989680976]
  本稿では, パール構造因果モデルにおいて, 因果関係などの部分的特定可能なクエリのバウンダリングの問題について議論する。 最近提案された反復EMスキームは初期化パラメータをサンプリングしてそれらの境界を内部近似する。 シンボルパラメータを実際の値に置き換えた回路構造を,単一のシンボル知識コンパイルによって得られることを示す。
  論文  参考訳（メタデータ） (2023-10-05T07:10:40Z)
• Lattice-Based Methods Surpass Sum-of-Squares in Clustering [98.46302040220395]
  クラスタリングは教師なし学習における基本的なプリミティブである。 最近の研究は、低次手法のクラスに対する低い境界を確立している。 意外なことに、この特定のクラスタリングモデルのtextitdoesは、統計的-計算的ギャップを示さない。
  論文  参考訳（メタデータ） (2021-12-07T18:50:17Z)
• Leveraging Quantum Annealer to identify an Event-topology at High Energy Colliders [3.39322931607753]
  本稿では, イベントトポロジーを特定するために, 量子アニールを用いたシンプルでモチベーションの良い手法を提案する。 計算複雑性は粒子の順序に比例して大幅に低減できることを示す。
  論文  参考訳（メタデータ） (2021-11-15T14:42:05Z)
• ExClus: Explainable Clustering on Low-dimensional Data Representations [9.496898312608307]
  次元の減少とクラスタリング技術は複雑なデータセットの分析に頻繁に使用されるが、それらの結果は容易には解釈できないことが多い。 本研究では, 直接解釈できない散乱プロット上で, クラスタ構造を解釈する際のユーザ支援について検討する。 本稿では,解釈可能なクラスタリングを自動的に計算する新しい手法を提案し,その説明は元の高次元空間にあり,クラスタリングは低次元射影においてコヒーレントである。
  論文  参考訳（メタデータ） (2021-11-04T21:24:01Z)
• Partial Counterfactual Identification from Observational and Experimental Data [83.798237968683]
  観測データと実験データの任意の組み合わせから最適境界を近似する有効なモンテカルロアルゴリズムを開発した。 我々のアルゴリズムは、合成および実世界のデータセットに基づいて広範囲に検証されている。
  論文  参考訳（メタデータ） (2021-10-12T02:21:30Z)
• Focal points and their implications for M\"obius Transforms and Dempster-Shafer Theory [1.2246649738388387]
  デンプスター・シェーファー理論(DST)はベイズ確率論を一般化し、有用な追加情報を提供するが、より高い計算負担に悩まされる。 本稿では,ゼータ変換とその逆の「M」オビウス変換を正確に単純化できることを示す。 これは、焦点と呼び、ゼータ変換とM"オビウス変換の両方が定義できる最小の領域を構成するという新しい概念に依存している。
  論文  参考訳（メタデータ） (2020-11-12T18:08:23Z)
• Berrut Approximated Coded Computing: Straggler Resistance Beyond Polynomial Computing [34.69732430310801]
  本稿では,ストラグラー効果に対処する代替手法として,Berrut Approximated Coded Computing (BACC)を提案する。 BACCは計算複雑性が低い数値的に安定であることが証明されている。 特に、BACCは、サーバのクラスタ上でディープニューラルネットワークをトレーニングするために使用される。
  論文  参考訳（メタデータ） (2020-09-17T14:23:38Z)
• A Theory of Usable Information Under Computational Constraints [103.5901638681034]
  本稿では,複雑なシステムにおける情報推論のための新しいフレームワークを提案する。 我々の基礎はシャノンの情報理論の変分拡張に基づいている。 計算制約を組み込むことで,データから$mathcalV$-informationを確実に推定できることを示す。
  論文  参考訳（メタデータ） (2020-02-25T06:09:30Z)

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。