論文の概要: Label Propagation Through Optimal Transport
- arxiv url: http://arxiv.org/abs/2110.01446v1
- Date: Fri, 1 Oct 2021 11:25:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-07 07:32:39.690659
- Title: Label Propagation Through Optimal Transport
- Title（参考訳）: 最適輸送によるラベル伝播
- Authors: Mourad El Hamri, Youn\`es Bennani, Issam Falih
- Abstract要約: 本研究では,ラベル付きデータポイントのラベル予測を目的とした半教師付き半教師付き学習問題に取り組む。
提案手法は,様々な機械学習問題に対処するための数学的理論である最適輸送に基づく。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we tackle the transductive semi-supervised learning problem
that aims to obtain label predictions for the given unlabeled data points
according to Vapnik's principle. Our proposed approach is based on optimal
transport, a mathematical theory that has been successfully used to address
various machine learning problems, and is starting to attract renewed interest
in semi-supervised learning community. The proposed approach, Optimal Transport
Propagation (OTP), performs in an incremental process, label propagation
through the edges of a complete bipartite edge-weighted graph, whose affinity
matrix is constructed from the optimal transport plan between empirical
measures defined on labeled and unlabeled data. OTP ensures a high degree of
predictions certitude by controlling the propagation process using a certainty
score based on Shannon's entropy. We also provide a convergence analysis of our
algorithm. Experiments task show the superiority of the proposed approach over
the state-of-the-art. We make our code publicly available.
- Abstract（参考訳）: 本稿では,vapnikの原理に従って与えられたラベルなしデータポイントのラベル予測を得ることを目的とした,半教師付き半教師あり学習問題に取り組む。
提案手法は,様々な機械学習問題に対処するための数学的理論である最適輸送に基づいており,半教師付き学習コミュニティに新たな関心を集め始めている。
提案手法である Optimal Transport Propagation (OTP) は、ラベル付きデータとラベル付きデータに定義された経験的測度間の最適な輸送計画から親和性行列を構築した完全二部グラフのエッジを通るラベル伝搬をインクリメンタルなプロセスで行う。
OTPはシャノンのエントロピーに基づく確実性スコアを用いて伝播過程を制御することにより高い予測精度を確保する。
また,アルゴリズムの収束解析も提供する。
実験タスクは、最先端技術に対する提案手法の優位性を示す。
コードを公開しています。
関連論文リスト
- Distributed Markov Chain Monte Carlo Sampling based on the Alternating
Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。
我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。
シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文 参考訳（メタデータ） (2024-01-29T02:08:40Z) - Information-Theoretic Generalization Bounds for Transductive Learning and its Applications [16.408850979966623]
我々は情報理論とPAC-ベイジアン理論の文脈におけるトランスダクティブ学習アルゴリズムの一般化境界を開発する。
我々の理論結果は、合成データセットと実世界のデータセットの両方で検証される。
論文 参考訳（メタデータ） (2023-11-08T09:48:42Z) - Scalable PAC-Bayesian Meta-Learning via the PAC-Optimal Hyper-Posterior:
From Theory to Practice [54.03076395748459]
メタラーニング文学の中心的な疑問は、目に見えないタスクへの一般化を保証するために、いかに正規化するかである。
本稿では,Rothfussらによって最初に導かれたメタラーニングの一般化について述べる。
PAC-Bayesian per-task 学習境界におけるメタラーニングの条件と程度について,理論的解析および実証事例研究を行った。
論文 参考訳（メタデータ） (2022-11-14T08:51:04Z) - Sequential Information Design: Markov Persuasion Process and Its
Efficient Reinforcement Learning [156.5667417159582]
本稿では,逐次情報設計の新たなモデル,すなわちマルコフ説得過程(MPP)を提案する。
MPPのプランニングは、ミオピックレシーバーに同時に説得されるシグナルポリシーを見つけ、送信者の最適な長期累積ユーティリティを誘導する、というユニークな課題に直面している。
我々は,楽観主義と悲観主義の両原理の新たな組み合わせを特徴とする,実証可能な効率のよい非回帰学習アルゴリズム,Optimism-Pessimism Principle for Persuasion Process (OP4) を設計する。
論文 参考訳（メタデータ） (2022-02-22T05:41:43Z) - GAN Estimation of Lipschitz Optimal Transport Maps [0.0]
本稿では,ニューラルネットワークに基づく2つの確率分布間の最適輸送マップの統計的に一貫した最初の推定手法を提案する。
正則性仮定の下で、得られた生成元は、サンプルサイズが無限大に増加するにつれて、最適輸送写像に一様収束することを示した。
統計的保証や実用性に対処する従来の作業とは対照的に、最適な輸送用途に道を開くための表現的かつ実現可能な推定器を提供する。
論文 参考訳（メタデータ） (2022-02-16T10:15:56Z) - Inductive Semi-supervised Learning Through Optimal Transport [0.0]
提案手法は最適輸送誘導 (OTI) と呼ばれ, 最適輸送に基づく帰納的アルゴリズム (OTP) を効率よく帰納的タスクに拡張する。
提案手法と最先端手法を比較するために,いくつかのデータセットを用いて実験を行った。
論文 参考訳（メタデータ） (2021-12-14T09:52:01Z) - High-Dimensional Bayesian Optimisation with Variational Autoencoders and
Deep Metric Learning [119.91679702854499]
本研究では,高次元の入力空間上でベイズ最適化を行うためのディープ・メトリック・ラーニングに基づく手法を提案する。
このような帰納バイアスを、利用可能なラベル付きデータの1%だけを用いて達成する。
実証的な貢献として、実世界の高次元ブラックボックス最適化問題に対する最先端の結果を示す。
論文 参考訳（メタデータ） (2021-06-07T13:35:47Z) - Incremental Semi-Supervised Learning Through Optimal Transport [0.0]
本研究では, 半指導的学習のための2成分エッジ重み付きグラフを用いた新しいアプローチを提案する。
提案手法は,ラベル付きデータポイントと非ラベル付きデータポイントで定義された経験的測度間の規則化された最適輸送を用いて,最適輸送計画から親和性行列を得る。
論文 参考訳（メタデータ） (2021-03-22T15:31:53Z) - Cyclic Label Propagation for Graph Semi-supervised Learning [52.102251202186025]
本稿では,CycPropと呼ばれるグラフ半教師付き学習のための新しいフレームワークを提案する。
CycPropはGNNを周期的かつ相互に強化された方法でラベル伝播の過程に統合する。
特に,提案するCycPropでは,GNNモジュールが学習したノード埋め込みをラベル伝搬による拡張情報で更新する。
論文 参考訳（メタデータ） (2020-11-24T02:55:40Z) - Semi-Supervised Learning with Meta-Gradient [123.26748223837802]
半教師付き学習における簡単なメタ学習アルゴリズムを提案する。
その結果,提案アルゴリズムは最先端の手法に対して良好に動作することがわかった。
論文 参考訳（メタデータ） (2020-07-08T08:48:56Z) - Statistical Optimal Transport posed as Learning Kernel Embedding [0.0]
この研究は、統計学的最適輸送(OT)を、輸送計画のカーネルの平均埋め込みをサンプルベースによる限界埋め込みの推定から学習する、という新しいアプローチを採っている。
重要な結果は、非常に穏やかな条件下では、$epsilon$-optimal recovery of the transport plan と Barycentric-projection based transport map が、完全に次元のないサンプル複雑性で可能であることである。
論文 参考訳（メタデータ） (2020-02-08T14:58:53Z)
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。