Fugu-MT 論文翻訳(概要): Labeled sample compression schemes for complexes of oriented matroids

論文の概要: Labeled sample compression schemes for complexes of oriented matroids

arxiv url: http://arxiv.org/abs/2110.15168v1
Date: Thu, 28 Oct 2021 14:42:55 GMT
ステータス: 処理完了
システム内更新日: 2021-10-29 16:51:44.455956
Title: Labeled sample compression schemes for complexes of oriented matroids
Title（参考訳）: 配向マトロイド錯体に対するラベル付きサンプル圧縮スキーム
Authors: Victor Chepoi, Kolja Knauer, Manon Philibert
Abstract要約: 本稿では,VC次元$d$の複合配向マトロイド(COM)の上部に,適切なラベル付きサンプル圧縮スキームが$d$であることを示す。これはモランとウォーマスと著者の結果をかなり拡張し、サンプル圧縮予想への一歩である。
参考スコア（独自算出の注目度）: 0.08594140167290096
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We show that the topes of a complex of oriented matroids (abbreviated COM) of VC-dimension $d$ admit a proper labeled sample compression scheme of size $d$. This considerably extends results of Moran and Warmuth and the authors and is a step towards the sample compression conjecture -- one of the oldest open in computational learning theory. On the one hand, our approach exploits the rich combinatorial cell structure of COMs via oriented matroid theory. On the other hand viewing tope graphs of COMs as partial cubes creates a fruitful link to metric graph theory
Abstract（参考訳）: vc-dimension $d$ の向き付けされたマトロイド(略して com)の複合体の頂点は、適切なラベル付きサンプル圧縮スキームを$d$ で認める。これはモランとウォーマスと著者の結果をかなり拡張し、サンプル圧縮予想への一歩であり、計算学習理論における最も古い開放の1つである。一方,本手法では,配向マトロイド理論を用いてCOMのリッチなコンビネータセル構造を利用する。一方、COMを部分立方体として見たトープグラフは、計量グラフ理論と実りあるリンクを作る

関連論文リスト

GeoMix: Towards Geometry-Aware Data Augmentation [76.09914619612812]
Mixupは画像分類におけるラベル付き限られたデータによる課題の緩和にかなりの成功を収めている。 In-place graph editing を利用した簡易かつ解釈可能な混合手法 Geometric Mixup (GeoMix) を提案する。
論文参考訳（メタデータ） (2024-07-15T12:58:04Z)
Gaussian Entanglement Measure: Applications to Multipartite Entanglement of Graph States and Bosonic Field Theory [50.24983453990065]
フービニ・スタディ計量に基づく絡み合い尺度は、Cocchiarellaと同僚によって最近導入された。本稿では,多モードガウス状態に対する幾何絡み合いの一般化であるガウスエンタングルメント尺度(GEM)を提案する。自由度の高い系に対する計算可能な多部絡み合わせ測度を提供することにより、自由なボゾン場理論の洞察を得るために、我々の定義が利用できることを示す。
論文参考訳（メタデータ） (2024-01-31T15:50:50Z)
SC-MAD: Mixtures of Higher-order Networks for Data Augmentation [36.33265644447091]
単純複体は、グラフニューラルネットワーク(GNN)の単純複体モデルへの一般化にインスピレーションを与えた。本稿では, 線形および非線形混合機構による単純錯体のデータ増大について述べる。理論的には、合成単純錯体は、同型密度に関して、既存のデータ間で相互に相互作用することを示した。
論文参考訳（メタデータ） (2023-09-14T06:25:39Z)
Deep Learning Symmetries and Their Lie Groups, Algebras, and Subalgebras from First Principles [55.41644538483948]
ラベル付きデータセットに存在する連続した対称性群の検出と同定のためのディープラーニングアルゴリズムを設計する。完全に接続されたニューラルネットワークを用いて、変換対称性と対応するジェネレータをモデル化する。また,Lie群とその性質の数学的研究に機械学習アプローチを使うための扉を開く。
論文参考訳（メタデータ） (2023-01-13T16:25:25Z)
A Labelled Sample Compression Scheme of Size at Most Quadratic in the VC Dimension [6.522952386973185]
本稿では,任意の有限概念クラスに対して,サイズ$O(VCD2)$の固有かつ安定なラベル付きサンプル圧縮スキームを構築する。
論文参考訳（メタデータ） (2022-12-24T01:56:02Z)
Complex Hyperbolic Knowledge Graph Embeddings with Fast Fourier Transform [29.205221688430733]
知識グラフ(KG)埋め込みのための幾何学的空間の選択は、KG完了タスクの性能に大きな影響を与える。複雑な双曲型幾何学の最近の研究は、様々な階層構造を捉えるための双曲型埋め込みをさらに改善した。本稿では,マルチリレーショナルKG埋め込みにおける複素双曲幾何学の表現能力を活用することを目的とする。
論文参考訳（メタデータ） (2022-11-07T15:46:00Z)
Geometry Contrastive Learning on Heterogeneous Graphs [50.58523799455101]
本稿では,幾何学コントラスト学習(Geometry Contrastive Learning, GCL)と呼ばれる,新しい自己指導型学習手法を提案する。 GCLはユークリッドと双曲的な視点からヘテロジニアスグラフを同時に見ることができ、リッチな意味論と複雑な構造をモデル化する能力の強い融合を目指している。 4つのベンチマークデータセットの大規模な実験は、提案手法が強いベースラインよりも優れていることを示している。
論文参考訳（メタデータ） (2022-06-25T03:54:53Z)
Dist2Cycle: A Simplicial Neural Network for Homology Localization [66.15805004725809]
単純複体は多方向順序関係を明示的にエンコードするグラフの高次元一般化と見なすことができる。単体錯体の$k$-homological特徴によってパラメータ化された関数のグラフ畳み込みモデルを提案する。
論文参考訳（メタデータ） (2021-10-28T14:59:41Z)
Permutation Compressors for Provably Faster Distributed Nonconvex Optimization [68.8204255655161]
本稿では,Gorbunov et al (2021) の MARINA 法が,理論的な通信複雑性の観点から最先端の手法とみなすことができることを示す。 MARINAの理論は、古典的な独立圧縮機設定を超えて、潜在的にエミュレートされた圧縮機の理論を支持するものである。
論文参考訳（メタデータ） (2021-10-07T09:38:15Z)
Large sample spectral analysis of graph-based multi-manifold clustering [3.383942690870476]
マルチマニフォールドクラスタリング(MMC)のためのグラフベースアルゴリズムの統計的性質について検討する。 MMC の目標は、与えられたユークリッドデータセットの根底にある多重多様体構造を取得することである。我々は、角度制約付き環状近接グラフと呼ばれる類似性グラフの族を例に挙げる。
論文参考訳（メタデータ） (2021-07-28T19:39:12Z)
Motif Learning in Knowledge Graphs Using Trajectories Of Differential Equations [14.279419014064047]
知識グラフ埋め込み(KGE)は、リンク予測タスクで有望なパフォーマンスを示している。多くのKGEは平坦な幾何学を使い、複雑な構造を保存することができない。正規微分方程式(ODE)の軌道上にKGのノードを埋め込む神経微分KGEを提案する。
論文参考訳（メタデータ） (2020-10-13T20:53:17Z)

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。