論文の概要: Unsupervised Statistical Learning for Die Analysis in Ancient Numismatics

• arxiv url: http://arxiv.org/abs/2112.00290v1
• Date: Wed, 1 Dec 2021 06:02:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-03 01:42:33.015694
• Title: Unsupervised Statistical Learning for Die Analysis in Ancient Numismatics
• Title（参考訳）: 古代ヌミスマティクスにおけるダイ分析のための教師なし統計学習
• Authors: Andreas Heinecke, Emanuel Mayer, Abhinav Natarajan, Yoonju Jung
• Abstract要約: 本研究では,大規模ダイ研究に必要な時間投資を数桁の規模で削減できる非教師なし型解析モデルを提案する。 この方法の有効性は,64-66C.Eで打たれたローマ銀貨1135枚の分析によって実証された。
• 参考スコア（独自算出の注目度）: 1.1470070927586016
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Die analysis is an essential numismatic method, and an important tool of ancient economic history. Yet, manual die studies are too labor-intensive to comprehensively study large coinages such as those of the Roman Empire. We address this problem by proposing a model for unsupervised computational die analysis, which can reduce the time investment necessary for large-scale die studies by several orders of magnitude, in many cases from years to weeks. From a computer vision viewpoint, die studies present a challenging unsupervised clustering problem, because they involve an unknown and large number of highly similar semantic classes of imbalanced sizes. We address these issues through determining dissimilarities between coin faces derived from specifically devised Gaussian process-based keypoint features in a Bayesian distance clustering framework. The efficacy of our method is demonstrated through an analysis of 1135 Roman silver coins struck between 64-66 C.E..
• Abstract（参考訳）: ダイ分析は重要な数値計算法であり、古代経済史の重要な道具である。 しかし、手作業によるダイスタディは、ローマ帝国のような大規模な硬貨を包括的に研究するには、あまりに労力を要する。 我々は,大規模ダイス研究に必要な時間投資を数年から数週間にわたって数桁削減できる非教師なし計算型解析モデルを提案することで,この問題に対処した。 コンピュータビジョンの観点からは、ダイスタディは不均衡サイズの未知で多くの類似したセマンティクスクラスを含むため、教師なしクラスタリングの問題に挑戦している。 ベイズ距離クラスタリングフレームワークにおいて、特に考案されたガウス過程に基づくキーポイント特徴から導かれるコイン面の相違を判定することで、これらの問題に対処する。 この方法の有効性は,64-66C.E.で打たれたローマ銀貨1135枚の分析によって実証された。

関連論文リスト

• A Survey of Deep Long-Tail Classification Advancements [1.6233132273470656]
  実世界の多くのデータ分布は、ほとんど均一ではない。代わりに、様々な種類の歪んだ、長い尾の分布がよく見られる。 これは機械学習にとって興味深い問題であり、ほとんどのアルゴリズムが均一に分散されたデータを想定したり、うまく機能する。 この問題は、大量のトレーニングデータを必要とする現在の最先端のディープラーニングモデルによってさらに悪化している。
  論文  参考訳（メタデータ） (2024-04-24T01:59:02Z)
• Scalable Learning of Item Response Theory Models [53.43355949923962]
  項目応答理論(IRT)モデルは、分類データから、$m$テスト項目の遅延困難特性とともに、$n$試験の潜時能力を評価することを目的としている。 我々はこれらのモデルの類似性をロジスティック回帰に利用し、コアセットと呼ばれる小さな重み付き部分集合を用いて正確に近似することができる。
  論文  参考訳（メタデータ） (2024-03-01T17:12:53Z)
• Statistical Inference with Limited Memory: A Survey [25.1915733653691]
  いくつかの標準問題において,メモリ制約下での統計的推論の現状を概観する。 本稿では,この開発分野の主な成果について論じるとともに,再帰的なテーマを同定することにより,アルゴリズム構築のための基本的な構成要素を抽出する。
  論文  参考訳（メタデータ） (2023-12-23T11:14:33Z)
• Sparse Representations, Inference and Learning [0.0]
  弱い長距離相互作用を伴う多種多様な問題に使用できる汎用フレームワークを提案する。 キャビティ法の開発により、これらの問題をレプリカ対称レベルでどのように研究できるかを確かめる。
  論文  参考訳（メタデータ） (2023-06-28T10:58:27Z)
• Learning to Bound Counterfactual Inference in Structural Causal Models from Observational and Randomised Data [64.96984404868411]
  我々は、従来のEMベースのアルゴリズムを拡張するための全体的なデータの特徴付けを導出する。 新しいアルゴリズムは、そのような混合データソースからモデルパラメータの(不特定性)領域を近似することを学ぶ。 反実的な結果に間隔近似を与え、それが特定可能な場合の点に崩壊する。
  論文  参考訳（メタデータ） (2022-12-06T12:42:11Z)
• Equivariance Allows Handling Multiple Nuisance Variables When Analyzing Pooled Neuroimaging Datasets [53.34152466646884]
  本稿では,構造空間上でインスタンス化された同変表現学習における最近の結果と,因果推論における古典的結果の簡易な利用が,いかに効果的に実現されたかを示す。 いくつかの仮定の下で、我々のモデルが複数のニュアンス変数を扱えることを実証し、そうでなければサンプルの大部分を取り除く必要のあるシナリオにおいて、プールされた科学データセットの分析を可能にする。
  論文  参考訳（メタデータ） (2022-03-29T04:54:06Z)
• Provable Reinforcement Learning with a Short-Term Memory [68.00677878812908]
  我々はPMDPsの新しいサブクラスについて研究し、その潜在状態は、最近の短い長さ$m$の履歴によって復号化することができる。 特に、リッチ・オブザーブレーション・セッティングにおいて、指数関数的にスケールするサンプル複雑性を持つ新しい「モーメントマッチング」アプローチを用いて、新しいアルゴリズムを開発する。 以上の結果から,これらの環境下での強化学習には短期記憶が十分であることが示唆された。
  論文  参考訳（メタデータ） (2022-02-08T16:39:57Z)
• Mean-field methods and algorithmic perspectives for high-dimensional machine learning [5.406386303264086]
  障害のあるシステムの統計物理学のツールに基づくアプローチを再検討する。 我々は、様々な理論モデルの位相図に光を放つために、複製法とメッセージパッシングアルゴリズムの深い接続に乗じる。
  論文  参考訳（メタデータ） (2021-03-10T09:02:36Z)
• Sample-Efficient Reinforcement Learning of Undercomplete POMDPs [91.40308354344505]
  この研究は、これらの硬度障壁が、部分観測可能決定過程(POMDP)の豊かで興味深いサブクラスに対する効率的な強化学習を妨げないことを示している。 提案手法は, 観測回数が潜伏状態の数よりも大きく, 探索が学習に不可欠であり, 先行研究と区別できるような, エピソード有限不完全POMDPに対するサンプル効率アルゴリズムOOM-UCBを提案する。
  論文  参考訳（メタデータ） (2020-06-22T17:58:54Z)
• Provable tradeoffs in adversarially robust classification [96.48180210364893]
  我々は、ロバストなイソペリメトリに関する確率論の最近のブレークスルーを含む、新しいツールを開発し、活用する。 この結果から,データの不均衡時に増加する標準精度とロバスト精度の基本的なトレードオフが明らかになった。
  論文  参考訳（メタデータ） (2020-06-09T09:58:19Z)

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。