Fugu-MT 論文翻訳(概要): Multi-objective Clustering: A Data-driven Analysis of MOCLE, MOCK and $\Delta$-MOCK

論文の概要: Multi-objective Clustering: A Data-driven Analysis of MOCLE, MOCK and $\Delta$-MOCK

arxiv url: http://arxiv.org/abs/2110.07521v1
Date: Thu, 14 Oct 2021 16:42:53 GMT
ステータス: 処理完了
システム内更新日: 2021-10-15 14:40:50.622785
Title: Multi-objective Clustering: A Data-driven Analysis of MOCLE, MOCK and $\Delta$-MOCK
Title（参考訳）: 多目的クラスタリング:MOCLE、MOCKおよび$\Delta$-MOCKのデータ駆動分析
Authors: Adriano Kultzak, Cristina Y. Morimoto, Aurora Pozo, Marc\'ilio C. P. de Souto
Abstract要約: 我々はMOCK,$Delta$-MOCK,およびMOCLEのデータ駆動分析を行う。これらは、crispクラスタリングに多目的最適化を使用する3つの近縁なアプローチである。
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: We present a data-driven analysis of MOCK, $\Delta$-MOCK, and MOCLE. These are three closely related approaches that use multi-objective optimization for crisp clustering. More specifically, based on a collection of 12 datasets presenting different proprieties, we investigate the performance of MOCLE and MOCK compared to the recently proposed $\Delta$-MOCK. Besides performing a quantitative analysis identifying which method presents a good/poor performance with respect to another, we also conduct a more detailed analysis on why such a behavior happened. Indeed, the results of our analysis provide useful insights into the strengths and weaknesses of the methods investigated.
Abstract（参考訳）: 我々はMOCK、$\Delta$-MOCK、MOCLEのデータ駆動分析を行う。これら3つの密接な関係を持つアプローチは,マルチ目的最適化によるクラスタ化である。具体的には、異なるプロパティを示す12のデータセットのコレクションに基づいて、最近提案された$\Delta$-MOCKと比較してMOCLEとMOCKのパフォーマンスを調査する。また,どの手法が他の手法に対して良い/悪い性能を示すかを定量的に分析するだけでなく,なぜそのような行動が起こったのかをより詳細に分析する。実際,本分析の結果は,研究手法の強みと弱みに関する有用な知見を提供するものである。

関連論文リスト

Self Supervised Correlation-based Permutations for Multi-View Clustering [7.972599673048582]
汎用データのためのエンドツーエンドのディープラーニングベースのMVCフレームワークを提案する。我々のアプローチは、新しい置換に基づく正準相関目標を用いて有意義な融合データ表現を学習することである。 10つのMVCベンチマークデータセットを用いて、モデルの有効性を実証する。
論文参考訳（メタデータ） (2024-02-26T08:08:30Z)
On Least Square Estimation in Softmax Gating Mixture of Experts [78.3687645289918]
決定論的MoEモデルに基づく最小二乗推定器(LSE)の性能について検討する。我々は,多種多様な専門家関数の収束挙動を特徴付けるために,強い識別可能性という条件を確立する。本研究は,専門家の選択に重要な意味を持つ。
論文参考訳（メタデータ） (2024-02-05T12:31:18Z)
Revisiting Demonstration Selection Strategies in In-Context Learning [66.11652803887284]
大規模言語モデル(LLM)は、インコンテキスト学習(ICL)を用いて広範囲のタスクを実行するという印象的な能力を示している。本研究ではまず,データとモデルの両方の側面から,この分散に寄与する要因を再検討し,実演の選択がデータとモデルに依存していることを確かめる。本研究では,データとモデルに依存した実演選択手法である textbfTopK + ConE を提案する。
論文参考訳（メタデータ） (2024-01-22T16:25:27Z)
A Novel Energy based Model Mechanism for Multi-modal Aspect-Based Sentiment Analysis [85.77557381023617]
マルチモーダル感情分析のための新しいフレームワークDQPSAを提案する。 PDQモジュールは、プロンプトをビジュアルクエリと言語クエリの両方として使用し、プロンプト対応の視覚情報を抽出する。 EPEモジュールはエネルギーベースモデルの観点から解析対象の境界ペアリングをモデル化する。
論文参考訳（メタデータ） (2023-12-13T12:00:46Z)
Exploration of the Rashomon Set Assists Trustworthy Explanations for Medical Data [4.499833362998488]
本稿では,Rashomon集合におけるモデル探索の新たなプロセスを紹介し,従来のモデリング手法を拡張した。動作の異なるモデルを検出するために,$textttRashomon_DETECT$アルゴリズムを提案する。モデル間の変動効果の差を定量化するために,機能的データ解析に基づくプロファイル分散指数(PDI)を導入する。
論文参考訳（メタデータ） (2023-08-22T13:53:43Z)
Multivariate regression modeling in integrative analysis via sparse regularization [0.0]
統合分析は、複数の独立したデータセットから有用な情報をプールする効果的な方法である。この積分は、変数とグループ選択を実行するスパース推定によって達成される。提案手法の性能をモンテカルロシミュレーションおよび微生物測定による排水処理データの解析により実証した。
論文参考訳（メタデータ） (2023-04-15T02:27:51Z)
Unified Multi-View Orthonormal Non-Negative Graph Based Clustering Framework [74.25493157757943]
我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
論文参考訳（メタデータ） (2022-11-03T08:18:27Z)
A Survey on the Robustness of Feature Importance and Counterfactual Explanations [12.599872913953238]
本稿では,2種類の局所的説明の堅牢性を分析した研究について紹介する。この調査は、既存のロバストネスの定義を統一することを目的としており、異なるロバストネスアプローチを分類するための分類を導入し、興味深い結果について議論している。
論文参考訳（メタデータ） (2021-10-30T22:48:04Z)
Multilingual Multi-Aspect Explainability Analyses on Machine Reading Comprehension Models [76.48370548802464]
本稿では,マルチヘッド自己注意と最終MRCシステム性能の関係を検討するために,一連の解析実験を実施することに焦点を当てる。問合せ及び問合せ理解の注意が問合せプロセスにおいて最も重要なものであることが判明した。包括的可視化とケーススタディを通じて、注意マップに関するいくつかの一般的な知見も観察し、これらのモデルがどのように問題を解くかを理解するのに役立ちます。
論文参考訳（メタデータ） (2021-08-26T04:23:57Z)
Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
論文参考訳（メタデータ） (2020-11-13T10:53:27Z)
Multi-Objective Counterfactual Explanations [0.7349727826230864]
本稿では, 対物探索を多目的最適化問題に変換する多目的対物法 (MOC) を提案する。我々のアプローチは、提案する目的間のトレードオフの異なる多様な対策セットを返却するだけでなく、特徴空間における多様性も維持する。
論文参考訳（メタデータ） (2020-04-23T13:56:39Z)

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。