論文の概要: Matrix Completion of World Trade
- arxiv url: http://arxiv.org/abs/2109.03930v1
- Date: Wed, 8 Sep 2021 21:04:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-11 09:22:18.688628
- Title: Matrix Completion of World Trade
- Title（参考訳）: 世界貿易のマトリックス完成
- Authors: Gnecco Giorgio, Nutarelli Federico, Riccaboni Massimo
- Abstract要約: マトリックスコンプリート(マトリックスコンプリート、Matrix Completion、MC)は、リコメンデーションシステムにおいて一般的な機械学習手法のクラスである。
本稿では,MCに基づく経済コンプレクティットY(MONEY)の行列cOmpletion iNdexについて紹介する。
MCのエントリーワイド出力から構築したバイナリ分類器の国別偽陽性率は、GENEPYのプロキシとして利用できることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work applies Matrix Completion (MC) -- a class of machine-learning
methods commonly used in the context of recommendation systems -- to analyse
economic complexity. MC is applied to reconstruct the Revealed Comparative
Advantage (RCA) matrix, whose elements express the relative advantage of
countries in given classes of products, as evidenced by yearly trade flows. A
high-accuracy binary classifier is derived from the application of MC, with the
aim of discriminating between elements of the RCA matrix that are,
respectively, higher or lower than one. We introduce a novel Matrix cOmpletion
iNdex of Economic complexitY (MONEY) based on MC, which is related to the
predictability of countries' RCA (the lower the predictability, the higher the
complexity). Differently from previously-developed indices of economic
complexity, the MONEY index takes into account the various singular vectors of
the matrix reconstructed by MC, whereas other indices are based only on one/two
eigenvectors of a suitable symmetric matrix, derived from the RCA matrix.
Finally, MC is compared with a state-of-the-art economic complexity index
(GENEPY). We show that the false positive rate per country of a binary
classifier constructed starting from the average entry-wise output of MC can be
used as a proxy of GENEPY.
- Abstract（参考訳）: この研究は、経済的な複雑さを分析するために、推奨システムのコンテキストで一般的に使用される機械学習手法のクラスであるMatrix Completion (MC)を適用する。
mcは、年次貿易フローによって示されるように、特定の種類の製品における国々の相対的な優位性を表現するrcaマトリックスを再構築するために適用される。
MCの応用から、それぞれ上位または下位のRCA行列の要素を識別することを目的とした高精度バイナリ分類器を導出する。
本稿では,MCに基づく経済複雑度の行列cOmpletion iNdex(MONEY)を導入し,各国のRCAの予測可能性(予測可能性の低下,複雑性の増大)に関連付ける。
前述した経済複雑性の指標とは異なり、通貨指数はmcによって再構成された行列の様々な特異ベクトルを考慮に入れるが、他の指標はrca行列から派生した適切な対称行列の1対2の固有ベクトルのみに基づいている。
最後に、MCは最先端の経済複雑性指標(GENEPY)と比較される。
平均的なmcの入出力から構築した2進分類器の国あたりの偽陽性率は、ジュネーピーの代理として使用できることを示す。
関連論文リスト
- Tailed Low-Rank Matrix Factorization for Similarity Matrix Completion [14.542166904874147]
similarity Completion Matrixは多くの機械学習タスクの中核にある基本的なツールとして機能する。
この問題に対処するために、類似行列理論(SMC)法が提案されているが、それらは複雑である。
提案手法は,PSD特性を解析して推定プロセスを導出し,低ランク解を保証するために非低ランク正規化器を組み込む2つの新しい,スケーラブルで効果的なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-09-29T04:27:23Z) - Understanding Matrix Function Normalizations in Covariance Pooling through the Lens of Riemannian Geometry [63.694184882697435]
グローバル共分散プーリング(GCP)は、高レベルの表現の2階統計を利用して、ディープニューラルネットワーク(DNN)の性能を向上させることが実証されている。
論文 参考訳（メタデータ） (2024-07-15T07:11:44Z) - Random matrix theory improved Fréchet mean of symmetric positive definite matrices [13.489654456942308]
Fr'echet平均を推定するランダム行列理論に基づく手法を提案する。
人工脳波と実世界の脳波とハイパースペクトルデータの両方を含む評価の結果,我々は最先端の手法を大きく上回っていることがわかった。
論文 参考訳（メタデータ） (2024-05-10T16:00:29Z) - Semi-supervised Symmetric Non-negative Matrix Factorization with Low-Rank Tensor Representation [27.14442336413482]
半教師付き対称非負行列分解(SNMF)
対制約行列により合成されたテンソルの低ランク表現を求めるSNMFモデルを提案する。
次に、拡張SNMFモデルを提案し、埋め込み行列を上記のテンソル低ランク表現に適合させる。
論文 参考訳（メタデータ） (2024-05-04T14:58:47Z) - Provably Efficient Information-Directed Sampling Algorithms for Multi-Agent Reinforcement Learning [50.92957910121088]
本研究は,情報指向サンプリング(IDS)の原理に基づくマルチエージェント強化学習(MARL)のための新しいアルゴリズムの設計と解析を行う。
エピソディックな2プレーヤゼロサムMGに対して、ナッシュ平衡を学習するための3つのサンプル効率アルゴリズムを提案する。
我々は、Reg-MAIDSをマルチプレイヤー汎用MGに拡張し、ナッシュ平衡または粗相関平衡をサンプル効率良く学習できることを証明する。
論文 参考訳（メタデータ） (2024-04-30T06:48:56Z) - Synergistic eigenanalysis of covariance and Hessian matrices for enhanced binary classification [72.77513633290056]
本稿では, 学習モデルを用いて評価したヘッセン行列をトレーニングセットで評価した共分散行列の固有解析と, 深層学習モデルで評価したヘッセン行列を組み合わせた新しい手法を提案する。
本手法は複雑なパターンと関係を抽出し,分類性能を向上する。
論文 参考訳（メタデータ） (2024-02-14T16:10:42Z) - Support matrix machine: A review [0.0]
サポートマトリックスマシン(SMM)は、行列入力データを扱うのに適した新しい手法の1つである。
本稿では,SMM モデルの開発について,より詳細な分析を行う。
我々は、ロバスト、スパース、クラス不均衡、マルチクラス分類モデルなど、多くのSMM変種について論じる。
論文 参考訳（メタデータ） (2023-10-30T16:46:23Z) - Hierarchical Clustering and Matrix Completion for the Reconstruction of
World Input-Output Tables [0.45880283710344055]
本稿では,階層クラスタリングとマトリックスコンプリート(MC)をLASSOのような核ノルムのペナルティと組み合わせた手法を提案する。
提案手法の有効性について,前年のデータと,現在のデータが隠蔽されている国と類似した国に関する現在のデータの両方から,不足値を推定する手法の有効性を検討した。
論文 参考訳（メタデータ） (2022-03-16T16:40:01Z) - Online Learning of Competitive Equilibria in Exchange Economies [94.24357018178867]
経済学では、複数の有理エージェント間の資源不足の共有は古典的な問題である。
エージェントの好みを学習するためのオンライン学習機構を提案する。
数値シミュレーションにより,本機構の有効性を実証する。
論文 参考訳（メタデータ） (2021-06-11T21:32:17Z) - Involutive MCMC: a Unifying Framework [64.46316409766764]
iMCMCでは,幅広いMCMCアルゴリズムについて述べる。
我々は、新しいMCMCアルゴリズムを開発するための設計原則として使用できる多くのトリックを定式化する。
後者は、既知の可逆MCMCアルゴリズムをより効率的な可逆アルゴリズムに変換する2つの例で示す。
論文 参考訳（メタデータ） (2020-06-30T10:21:42Z) - High-Dimensional Quadratic Discriminant Analysis under Spiked Covariance
Model [101.74172837046382]
そこで本研究では,魚の識別比を最大化する2次分類手法を提案する。
数値シミュレーションにより,提案した分類器は,合成データと実データの両方において古典的R-QDAよりも優れるだけでなく,計算量の削減も要求されることがわかった。
論文 参考訳（メタデータ） (2020-06-25T12:00:26Z)
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。