Fugu-MT 論文翻訳(概要): Variational message passing (VMP) applied to LDA

論文の概要: Variational message passing (VMP) applied to LDA

arxiv url: http://arxiv.org/abs/2111.01480v1
Date: Tue, 2 Nov 2021 10:32:15 GMT
ステータス: 処理完了
システム内更新日: 2021-11-03 19:47:18.639811
Title: Variational message passing (VMP) applied to LDA
Title（参考訳）: LDAに適用される変分メッセージパッシング(VMP)
Authors: Rebecca M.C. Taylor and Johan A. du Preez
Abstract要約: 変分メッセージパッシング(VMP)は、VBのメッセージパッシングである。本稿では、潜在ディリクレ割り当て(LDA)のためのVMP方程式について述べる。
参考スコア（独自算出の注目度）: 3.5027291542274366
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Variational Bayes (VB) applied to latent Dirichlet allocation (LDA) is the original inference mechanism for LDA. Many variants of VB for LDA, as well as for VB in general, have been developed since LDA's inception in 2013, but standard VB is still widely applied to LDA. Variational message passing (VMP) is the message passing equivalent of VB and is a useful tool for constructing a variational inference solution for a large variety of conjugate exponential graphical models (there is also a non conjugate variant available for other models). In this article we present the VMP equations for LDA and also provide a brief discussion of the equations. We hope that this will assist others when deriving variational inference solutions to other similar graphical models.
Abstract（参考訳）: 潜時ディリクレ割り当て(LDA)に適用される変分ベイズ(VB)は、LDAの本来の推論機構である。 LDA用やVB用の多くの変種は、2013年のLDAの登場以来開発されてきたが、標準のVBは依然としてLDAに広く適用されている。変分メッセージパッシング(vmp)はvbと等価なメッセージパッシングであり、多種多様な共役指数型グラフィカルモデルに対する変分推論ソリューションを構築するのに有用なツールである。本稿では, LDA の VMP 方程式について述べるとともに, 簡単な議論を行う。これは、他の類似のグラフィカルモデルへの変分推論ソリューションの導出に役立ちたいと思っています。

関連論文リスト

Unveiling the Superior Paradigm: A Comparative Study of Source-Free Domain Adaptation and Unsupervised Domain Adaptation [52.36436121884317]
Source-Free Domain Adaptation (SFDA) は、現実のシナリオにおいて、Unsupervised Domain Adaptation (UDA) よりも一般的に優れていることを示す。 SFDAは、時間効率、ストレージ要件、対象とする学習目標、負の移動リスクの低減、過度な適合に対する堅牢性の向上といった利点を提供している。利用可能なソースデータをマルチSFDA手法に効果的に統合する新しい重み推定法を提案する。
論文参考訳（メタデータ） (2024-11-24T13:49:29Z)
Arbitrary-Length Generalization for Addition in a Tiny Transformer [55.2480439325792]
本稿では,トランスフォーマーモデルを用いて,未知の桁数に対する2桁数の追加を一般化する学習手法を提案する。提案手法では, 右から左へ処理を行う自己回帰生成手法を用いて, 多数の値を追加するための共通手動手法を模倣する。
論文参考訳（メタデータ） (2024-05-31T03:01:16Z)
Diffusion models for probabilistic programming [56.47577824219207]
拡散モデル変分推論(DMVI)は確率型プログラミング言語(PPL)における自動近似推論手法である DMVIは実装が容易で、例えば正規化フローを用いた変分推論の欠点を伴わずに、PPLでヘイズルフリー推論が可能であり、基礎となるニューラルネットワークモデルに制約を課さない。
論文参考訳（メタデータ） (2023-11-01T12:17:05Z)
Minimally Informed Linear Discriminant Analysis: training an LDA model with unlabelled data [51.673443581397954]
本研究では,LDAモデルからの正確な射影ベクトルを,ラベルのないデータに基づいて計算可能であることを示す。 MILDA投影ベクトルはLDAに匹敵する計算コストで閉じた形で計算可能であることを示す。
論文参考訳（メタデータ） (2023-10-17T09:50:31Z)
Open-Set Domain Adaptation with Visual-Language Foundation Models [51.49854335102149]
非教師なしドメイン適応(UDA)は、ソースドメインからラベルのないデータを持つターゲットドメインへの知識の転送に非常に効果的であることが証明されている。オープンセットドメイン適応(ODA)は、トレーニングフェーズ中にこれらのクラスを識別する潜在的なソリューションとして登場した。
論文参考訳（メタデータ） (2023-07-30T11:38:46Z)
SimLDA: A tool for topic model evaluation [2.6397379133308214]
本稿では,LDA(Latent Dirichlet Allocation)に適用した新しい変分メッセージパッシングアルゴリズムを提案する。金の標準VBとGibsサンプリングアルゴリズムを比較検討した。コヒーレンス測度を用いて、ALBUは、特に小さなデータセットに対して、VBよりも正確な潜伏分布を学習することを示す。
論文参考訳（メタデータ） (2022-08-19T12:25:53Z)
Revisiting Classical Multiclass Linear Discriminant Analysis with a Novel Prototype-based Interpretable Solution [0.0]
LDA++と呼ばれる古典的なLDAに新しいソリューションを導入し、1つのクラスタと類似度を測定するものとして解釈可能な$C$の機能を提供する。この新しい解法は次元還元と多クラス分類の間に橋渡しされる。
論文参考訳（メタデータ） (2022-05-02T06:12:42Z)
ALBU: An approximate Loopy Belief message passing algorithm for LDA to improve performance on small data sets [3.5027291542274366]
本稿では,LDA(Latent Dirichlet Allocation)に適用した新しい変分メッセージパッシングアルゴリズムを提案する。金の標準VBとGibsサンプリングアルゴリズムを比較検討した。テキストコーパスとKLDのコヒーレンス測定とシミュレーションを用いて、ALBUはVBよりも正確な潜伏分布を学習することを示す。
論文参考訳（メタデータ） (2021-10-01T19:55:12Z)
MDA for random forests: inconsistency, and a practical solution via the Sobol-MDA [0.0]
MDA(Mean Decrease Accuracy)は、ランダム林において最も効率的な変数重要度尺度として広く受け入れられている。我々は,様々な実装されたMDAアルゴリズムを数学的に定式化し,サンプルサイズが大きくなるとその限界を確定する。 Sobol-MDAの一貫性を証明し、シミュレーションデータと実データの両方の実験を通じて、その優れた実証性能を示します。
論文参考訳（メタデータ） (2021-02-26T07:53:39Z)
Multi-source Domain Adaptation in the Deep Learning Era: A Systematic Survey [53.656086832255944]
マルチソースドメイン適応(MDA)は、ラベル付きデータを複数のソースから収集できる強力な拡張である。 MDAは学術と産業の両方で注目を集めている。
論文参考訳（メタデータ） (2020-02-26T08:07:58Z)
Improving Reliability of Latent Dirichlet Allocation by Assessing Its Stability Using Clustering Techniques on Replicated Runs [0.3499870393443268]
本研究は,LDAの安定度を再現走行の代入値と比較することによって検討する。修正ジャカード係数を用いて、2つの生成トピックの類似性を定量化する。 S-CLOPはLDAモデルの安定性を評価するのに有用であることを示す。
論文参考訳（メタデータ） (2020-02-14T07:10:18Z)

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。