論文の概要: What is the cost of adding a constraint in linear least squares?

• arxiv url: http://arxiv.org/abs/2201.09935v1
• Date: Mon, 24 Jan 2022 19:56:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-26 16:13:54.805863
• Title: What is the cost of adding a constraint in linear least squares?
• Title（参考訳）: 線形最小二乗に制約を加えるコストはいくらですか。
• Authors: Ramakrishna Kakarala, Jun Wei
• Abstract要約: カメラカラーキャリブレーションでは、所望の色補正行列の行和に対する制約を課す。 本稿では,制約を付与した際の嵌合誤差の増加に接続する正確な式を導出する。
• 参考スコア（独自算出の注目度）: 2.6869127167547604
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although the theory of constrained least squares (CLS) estimation is well known, it is usually applied with the view that the constraints to be imposed are unavoidable. However, there are cases in which constraints are optional. For example, in camera color calibration, one of several possible color processing systems is obtained if a constraint on the row sums of a desired color correction matrix is imposed; in this example, it is not clear a priori whether imposing the constraint leads to better system performance. In this paper, we derive an exact expression connecting the constraint to the increase in fitting error obtained from imposing it. As another contribution, we show how to determine projection matrices that separate the measured data into two components: the first component drives up the fitting error due to imposing a constraint, and the second component is unaffected by the constraint. We demonstrate the use of these results in the color calibration problem.
• Abstract（参考訳）: 制約最小二乗推定(CLS)の理論はよく知られているが、通常、課される制約は避けられないという観点から適用される。 しかし、制約が任意である場合もあります。 例えば、カメラカラーキャリブレーションでは、所望の色補正マトリクスの行和の制約が課された場合、複数の色処理システムの1つが得られ、この例では、制約を課すことがより優れたシステム性能をもたらすかどうかを事前には定めていない。 本稿では,制約を付与した際の嵌合誤差の増加に接続する正確な式を導出する。 別の貢献として、測定されたデータを2つのコンポーネントに分離する投影行列を決定する方法を示す。 カラーキャリブレーション問題にこれらの結果を用いることを実証する。

関連論文リスト

• From explained variance of correlated components to PCA without orthogonality constraints [0.0]
  データマトリックスAのブロック主成分分析(Block PCA)は1正規化によるスパースPCAの設計には難しい。 相関成分 Y = AZ で説明されるデータ行列 A の分散部分を測定する新しい目的行列関数 expvar(Y) を導入する。
  論文  参考訳（メタデータ） (2024-02-07T09:32:32Z)
• A New Computationally Simple Approach for Implementing Neural Networks with Output Hard Constraints [5.482532589225552]
  ニューラルネットワークの出力値に厳密な凸制約を課す新しい手法を提案する。 マッピングは、出力の制約のある追加のニューラルネットワーク層によって実装される。 提案手法は,出力ベクトルだけでなく,入力による共同制約にも制約が課される場合に,単純に拡張される。
  論文  参考訳（メタデータ） (2023-07-19T21:06:43Z)
• RAYEN: Imposition of Hard Convex Constraints on Neural Networks [47.494620411594624]
  RAYENは、ニューラルネットワークにハード凸制約を課すフレームワークである。 最先端のアルゴリズムの20倍から7468倍の高速化を実現している。
  論文  参考訳（メタデータ） (2023-07-17T09:12:05Z)
• On Regularization and Inference with Label Constraints [62.60903248392479]
  機械学習パイプラインにおけるラベル制約を符号化するための2つの戦略、制約付き正規化、制約付き推論を比較した。 正規化については、制約に不整合なモデルを前置することで一般化ギャップを狭めることを示す。 制約付き推論では、モデルの違反を訂正することで人口リスクを低減し、それによってその違反を有利にすることを示す。
  論文  参考訳（メタデータ） (2023-07-08T03:39:22Z)
• High-dimensional additive Gaussian processes under monotonicity constraints [0.0]
  単調性制約と高次元への拡張性を考慮した加法的ガウスプロセスフレームワークを提案する。 まず、我々のフレームワークは入力空間の至る所で制約を満たすことができることを示す。 第2に、逐次次元削減のための付加的なMaxModアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-05-17T17:53:37Z)
• Zero Pixel Directional Boundary by Vector Transform [77.63061686394038]
  我々は境界を1次元曲面として再解釈し、1対1のベクトル変換関数を定式化し、クラス不均衡問題を完全に回避する境界予測の訓練を可能にする。 我々の問題定式化は、境界の方向推定だけでなく、よりリッチなコンテキスト情報もたらし、もし望めば、訓練時にもゼロピクセルの薄い境界が利用可能となる。
  論文  参考訳（メタデータ） (2022-03-16T17:55:31Z)
• Error-Correcting Neural Networks for Two-Dimensional Curvature Computation in the Level-Set Method [0.0]
  本稿では,2次元曲率をレベルセット法で近似するための誤差ニューラルモデルに基づく手法を提案する。 我々の主な貢献は、需要に応じて機械学習操作を可能にする数値スキームに依存する、再設計されたハイブリッド・ソルバである。
  論文  参考訳（メタデータ） (2022-01-22T05:14:40Z)
• Square Root Marginalization for Sliding-Window Bundle Adjustment [53.34552451834707]
  実時間オドメトリーに適合する新しい正方形根のすべり窓束の調整法を提案する。 提案した平方根辺化は、ヘシアン上でのシュール補数(SC)の従来の使用と代数的に等価であることを示す。 実世界のデータセットにおける視覚的および視覚的慣性オドメトリーの評価は,提案した推定器がベースラインよりも36%高速であることを示す。
  論文  参考訳（メタデータ） (2021-09-05T23:22:38Z)
• Conditional gradient methods for stochastically constrained convex minimization [54.53786593679331]
  構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。 私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。 提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
  論文  参考訳（メタデータ） (2020-07-07T21:26:35Z)
• Multi-Objective Matrix Normalization for Fine-grained Visual Recognition [153.49014114484424]
  双線形プールは細粒度視覚認識(FGVC)において大きな成功を収める 近年,行列パワー正規化は双線形特徴量において2次情報を安定化させることができることが示されている。 両線形表現を同時に正規化できる効率的な多目的行列正規化法(MOMN)を提案する。
  論文  参考訳（メタデータ） (2020-03-30T08:40:35Z)
• Multiple Metric Learning for Structured Data [0.0]
  構造化データからメトリクスを学習しながらグラフと特徴空間情報を融合する問題に対処する。 本稿では,距離制約下での最適化のためのグラフベースの新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-02-13T19:11:32Z)

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。