論文の概要: Probabilistic Regression with Huber Distributions
- arxiv url: http://arxiv.org/abs/2111.10296v1
- Date: Fri, 19 Nov 2021 16:12:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-22 16:00:20.421589
- Title: Probabilistic Regression with Huber Distributions
- Title(参考訳): ハマー分布による確率的回帰
- Authors: David Mohlin, Gerald Bianchi, Josephine Sullivan
- Abstract要約: 本稿では,ニューラルネットワークを用いて物体の位置と共分散行列を推定する確率論的手法について述べる。
提案手法は,外乱に対する堅牢性,ネットワーク出力に対する境界勾配,その他の望ましい特性を有するように設計されている。
本手法は,一般的なボディポーズと顔のランドマークデータセットを用いて評価し,非熱マップ法の性能を同等以上の性能で評価する。
- 参考スコア(独自算出の注目度): 6.681943980068051
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we describe a probabilistic method for estimating the position
of an object along with its covariance matrix using neural networks. Our method
is designed to be robust to outliers, have bounded gradients with respect to
the network outputs, among other desirable properties. To achieve this we
introduce a novel probability distribution inspired by the Huber loss. We also
introduce a new way to parameterize positive definite matrices to ensure
invariance to the choice of orientation for the coordinate system we regress
over. We evaluate our method on popular body pose and facial landmark datasets
and get performance on par or exceeding the performance of non-heatmap methods.
Our code is available at
github.com/Davmo049/Public_prob_regression_with_huber_distributions
- Abstract(参考訳): 本稿では,ニューラルネットワークを用いて物体の位置を共分散行列とともに推定する確率的手法について述べる。
提案手法は,外乱に対する堅牢性,ネットワーク出力に対する境界勾配,その他の望ましい特性を有するように設計されている。
これを実現するために,ハマー損失に触発された新しい確率分布を導入する。
また, 回帰する座標系に対する方向選択の不均一性を確保するために, 正定値行列をパラメータ化する新しい手法を提案する。
本手法は,一般的なボディポーズと顔のランドマークデータセットを用いて評価し,非熱マップ法の性能以上の性能を得る。
私たちのコードはgithub.com/Davmo049/Public_prob_regression_with_huber_distributionsで利用可能です。
関連論文リスト
- Uncertainty Quantification via Stable Distribution Propagation [60.065272548502]
本稿では,ニューラルネットワークによる安定確率分布の伝播手法を提案する。
提案手法は局所線形化に基づいており,ReLU非線型性に対する全変動距離の近似値として最適であることを示す。
論文 参考訳(メタデータ) (2024-02-13T09:40:19Z) - Probabilistic 3d regression with projected huber distribution [5.888646114353371]
本手法は, 経験的誤りとよく相関する不確かさを生じることを示す。
また,予測分布のモードが回帰ベースラインより優れていることを示す。
論文 参考訳(メタデータ) (2023-03-09T13:32:18Z) - Generalized Differentiable RANSAC [95.95627475224231]
$nabla$-RANSACは、ランダム化された堅牢な推定パイプライン全体を学ぶことができる、微分可能なRANSACである。
$nabla$-RANSACは、精度という点では最先端のシステムよりも優れているが、精度は低い。
論文 参考訳(メタデータ) (2022-12-26T15:13:13Z) - Equivariance Discovery by Learned Parameter-Sharing [153.41877129746223]
データから解釈可能な等価性を発見する方法について検討する。
具体的には、モデルのパラメータ共有方式に対する最適化問題として、この発見プロセスを定式化する。
また,ガウスデータの手法を理論的に解析し,研究された発見スキームとオラクルスキームの間の平均2乗ギャップを限定する。
論文 参考訳(メタデータ) (2022-04-07T17:59:19Z) - Invariance Learning in Deep Neural Networks with Differentiable Laplace
Approximations [76.82124752950148]
我々はデータ拡張を選択するための便利な勾配法を開発した。
我々はKronecker-factored Laplace近似を我々の目的とする限界確率に近似する。
論文 参考訳(メタデータ) (2022-02-22T02:51:11Z) - Multivariate Probabilistic Regression with Natural Gradient Boosting [63.58097881421937]
多変量予測分布の条件パラメータを非パラメトリックにモデル化したNatural Gradient Boosting (NGBoost) 手法を提案する。
提案手法は頑健で, 広範囲なチューニングを伴わず, 推定対象分布に対してモジュール構造であり, 既存の手法と比較して競争力がある。
論文 参考訳(メタデータ) (2021-06-07T17:44:49Z) - Scalable Marginal Likelihood Estimation for Model Selection in Deep
Learning [78.83598532168256]
階層型モデル選択は、推定困難のため、ディープラーニングではほとんど使われない。
本研究は,検証データが利用できない場合,限界的可能性によって一般化が向上し,有用であることを示す。
論文 参考訳(メタデータ) (2021-04-11T09:50:24Z) - GENs: Generative Encoding Networks [4.269725092203672]
本稿では,未知のデータ分布と未知のターゲット分布を一致させるために,Jensen-Shannon分散を推定するための非パラメトリック密度法を提案し,解析する。
この分析法には、サンプル量のトレーニングが低いときのより良い振舞い、証明可能な収束特性、比較的少ないパラメータ、分析的に導出できるパラメータなど、いくつかの利点がある。
論文 参考訳(メタデータ) (2020-10-28T23:40:03Z) - Online and Distribution-Free Robustness: Regression and Contextual
Bandits with Huber Contamination [29.85468294601847]
線形回帰と文脈的帯域幅という2つの古典的高次元オンライン学習問題を再考する。
従来の手法が失敗した場合にアルゴリズムが成功することを示す。
論文 参考訳(メタデータ) (2020-10-08T17:59:05Z) - Learning Representations using Spectral-Biased Random Walks on Graphs [18.369974607582584]
このプロセスにおける確率バイアスが、プロセスによって選択されたノードの品質にどの程度影響するかを調査する。
我々は、この近傍を正規化ラプラス行列として表されるノードの近傍部分グラフのスペクトルに基づく確率測度として簡潔に捉えた。
我々は,様々な実世界のデータセット上で,最先端ノード埋め込み技術に対する我々のアプローチを実証的に評価した。
論文 参考訳(メタデータ) (2020-05-19T20:42:43Z)
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。