Fugu-MT 論文翻訳(概要): Using Image Transformations to Learn Network Structure

論文の概要: Using Image Transformations to Learn Network Structure

arxiv url: http://arxiv.org/abs/2112.03419v1
Date: Mon, 6 Dec 2021 23:28:38 GMT
ステータス: 処理完了
システム内更新日: 2021-12-08 14:29:23.581777
Title: Using Image Transformations to Learn Network Structure
Title（参考訳）: 画像変換を使ってネットワーク構造を学ぶ
Authors: Brayan Ortiz and Amitabh Sinha
Abstract要約: ノードのネットワークとノード間のフローを画像として扱う方法を示す。画像圧縮技術を用いて、解釈可能な地理的情報を含む数値の集合まで画像を縮小する。我々は,統計的に要約されたネットワーク情報を先行情報やユーザ決定情報として活用するベイズ強化アルゴリズムを開発した。
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: Many learning tasks require observing a sequence of images and making a decision. In a transportation problem of designing and planning for shipping boxes between nodes, we show how to treat the network of nodes and the flows between them as images. These images have useful structural information that can be statistically summarized. Using image compression techniques, we reduce an image down to a set of numbers that contain interpretable geographic information that we call geographic signatures. Using geographic signatures, we learn network structure that can be utilized to recommend future network connectivity. We develop a Bayesian reinforcement algorithm that takes advantage of statistically summarized network information as priors and user-decisions to reinforce an agent's probabilistic decision.
Abstract（参考訳）: 多くの学習タスクでは、一連の画像を観察し、意思決定する必要がある。ノード間の配送ボックスを設計・計画する輸送問題において、ノード間のネットワークとそれらの間のフローを画像として扱う方法を示す。これらの画像は統計的に要約できる有用な構造情報を持っている。画像圧縮技術を用いて、地理的シグネチャと呼ばれる解釈可能な地理的情報を含む数値の集合まで画像を縮小する。地理的シグネチャを用いて,将来的なネットワーク接続を推奨できるネットワーク構造を学習する。本研究では,ネットワーク情報を事前情報として統計的に要約し,エージェントの確率的決定を補強するベイズ強化アルゴリズムを開発した。

関連論文リスト

Masked Contrastive Graph Representation Learning for Age Estimation [44.96502862249276]
本稿では,画像冗長性情報を扱う上で,グラフ表現学習の特性を利用する。年齢推定のためのMasked Contrastive Graph Representation Learning (MCGRL)法を提案する。実世界の顔画像データセットに対する実験結果から,提案手法が他の最先端の年齢推定手法よりも優れていることが示された。
論文参考訳（メタデータ） (2023-06-16T15:53:21Z)
Geographical Knowledge-driven Representation Learning for Remote Sensing Images [18.79154074365997]
リモートセンシング画像のための地理知識駆動表現学習法(GeoKR)を提案する。各リモートセンシング画像に関連するグローバルな土地被覆製品と地理的位置を地理的知識とみなす。ネットワーク事前トレーニングをサポートするために,大規模な事前トレーニングデータセットであるLevir-KRを提案する。
論文参考訳（メタデータ） (2021-07-12T09:23:15Z)
Exploiting the relationship between visual and textual features in social networks for image classification with zero-shot deep learning [0.0]
本稿では,CLIPニューラルネットワークアーキテクチャの伝達可能な学習能力に基づく分類器アンサンブルを提案する。本研究は,Placesデータセットのラベルによる画像分類タスクに基づいて,視覚的部分のみを考慮した実験である。画像に関連付けられたテキストを考えることは、目標に応じて精度を向上させるのに役立つ。
論文参考訳（メタデータ） (2021-07-08T10:54:59Z)
Knowledge Distillation By Sparse Representation Matching [107.87219371697063]
本稿では,一方の畳み込みネットワーク(cnn)から他方へ,スパース表現を用いて中間知識を伝達するスパース表現マッチング(srm)を提案する。勾配降下を利用して効率的に最適化し、任意のCNNにプラグアンドプレイで統合できるニューラルプロセッシングブロックとして定式化します。実験の結果,教師と生徒のネットワーク間のアーキテクチャの違いに頑健であり,複数のデータセットにまたがる他のkd技術よりも優れていた。
論文参考訳（メタデータ） (2021-03-31T11:47:47Z)
Multi-Domain Image-to-Image Translation with Adaptive Inference Graph [29.673550911992365]
現在のアートモデルは、複数のドメインの視覚的多様性を扱うために、大きくて深いモデルが必要です。適応グラフ構造を用いてネットワーク容量を増やすことを提案する。このアプローチは、ほぼ一定の計算コストを維持しながら、パラメータの調整可能な増加につながる。
論文参考訳（メタデータ） (2021-01-11T10:47:29Z)
Graph-Based Neural Network Models with Multiple Self-Supervised Auxiliary Tasks [79.28094304325116]
グラフ畳み込みネットワークは、構造化されたデータポイント間の関係をキャプチャするための最も有望なアプローチである。マルチタスク方式でグラフベースニューラルネットワークモデルを学習するための3つの新しい自己教師付き補助タスクを提案する。
論文参考訳（メタデータ） (2020-11-14T11:09:51Z)
An analysis of the transfer learning of convolutional neural networks for artistic images [1.9336815376402716]
巨大な自然画像データセットからのトランスファー学習は、アート分析アプリケーションの中核となっている。本稿ではまず,ネットワークの内部表現を可視化する手法を用いて,ネットワークが芸術的イメージで何を学んだかを理解するための手がかりを提供する。特徴空間とパラメータ空間の両方のメトリクスと、最大アクティベーション画像のセットで計算されたメトリクスのおかげで、学習プロセスが導入した変化を定量的に分析する。
論文参考訳（メタデータ） (2020-11-05T09:45:32Z)
Quiver Signal Processing (QSP) [145.6921439353007]
キーバー表現に関する信号処理フレームワークの基礎を述べる。ネットワークにおける異種多次元情報を扱うための信号処理フレームワークを提案する。
論文参考訳（メタデータ） (2020-10-22T08:40:15Z)
Neural networks adapting to datasets: learning network size and topology [77.34726150561087]
ニューラルネットワークは、勾配に基づくトレーニングの過程で、そのサイズとトポロジの両方を学習できるフレキシブルなセットアップを導入します。結果として得られるネットワークは、特定の学習タスクとデータセットに合わせたグラフの構造を持つ。
論文参考訳（メタデータ） (2020-06-22T12:46:44Z)
Progressive Graph Convolutional Networks for Semi-Supervised Node Classification [97.14064057840089]
グラフ畳み込みネットワークは、半教師付きノード分類のようなグラフベースのタスクに対処することに成功した。本稿では,コンパクトかつタスク固有のグラフ畳み込みネットワークを自動構築する手法を提案する。
論文参考訳（メタデータ） (2020-03-27T08:32:16Z)
Weakly-Supervised Semantic Segmentation by Iterative Affinity Learning [86.45526827323954]
弱教師付きセマンティックセグメンテーションは、トレーニングのためにピクセル単位のラベル情報が提供されないため、難しい課題である。このようなペア関係を学習するための反復アルゴリズムを提案する。本稿では,提案アルゴリズムが最先端手法に対して好適に動作することを示す。
論文参考訳（メタデータ） (2020-02-19T10:32:03Z)

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。