Fugu-MT 論文翻訳(概要): Beyond GAP screening for Lasso by exploiting new dual cutting half-spaces with supplementary material

論文の概要: Beyond GAP screening for Lasso by exploiting new dual cutting half-spaces with supplementary material

arxiv url: http://arxiv.org/abs/2203.00987v1
Date: Wed, 2 Mar 2022 09:52:58 GMT
ステータス: 処理完了
システム内更新日: 2022-03-04 01:11:04.039266
Title: Beyond GAP screening for Lasso by exploiting new dual cutting half-spaces with supplementary material
Title（参考訳）: 補充材料を用いた新しい二重切断ハーフスペースを利用したラッソのGAPスクリーニング
Authors: Thu-Le Tran and Cl\'ement Elvira and Hong-Phuong Dang and C\'edric Herzet
Abstract要約: 提案手法は,ドーム形状を持つ安全な領域をベースとし,半空間の集合の正準表現を利用する。提案された安全領域は、常に最先端の「GAP Sphere」と「GAP Dome」に含まれることが示されている。
参考スコア（独自算出の注目度）: 2.186960190193067
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we propose a novel safe screening test for Lasso. Our procedure is based on a safe region with a dome geometry and exploits a canonical representation of the set of half-spaces (referred to as "dual cutting half-spaces" in this paper) containing the dual feasible set. The proposed safe region is shown to be always included in the state-of-the-art "GAP Sphere" and "GAP Dome" proposed by Fercoq et al. (and strictly so under very mild conditions) while involving the same computational burden. Numerical experiments confirm that our new dome enables to devise more powerful screening tests than GAP regions and lead to significant acceleration to solve Lasso.
Abstract（参考訳）: 本稿では,lassoの新しい安全スクリーニングテストを提案する。本手法はドーム形状を持つ安全な領域を基本とし,双対実現可能集合を含む半空間集合の正準表現(本論文では「二重切断半空間」と呼ぶ)を利用する。提案された安全領域は、Fercoqらによって提案された最先端の"GAP Sphere"と"GAP Dome"に、同じ計算負担を伴いながら常に含まれていることが示されている。数値実験により,新しいドームはギャップ領域よりも強力なスクリーニング試験を考案し,ラッソを解くための大幅な高速化につながることを確認した。

関連論文リスト

Cross-Domain Few-Shot Segmentation via Iterative Support-Query Correspondence Mining [81.09446228688559]
Cross-Domain Few-Shots (CD-FSS) は、限定された例のみを用いて、異なるドメインから新しいカテゴリを分割するという課題を提起する。本稿では,CD-FSSの課題に対処する新しいクロスドメイン微調整手法を提案する。
論文参考訳（メタデータ） (2024-01-16T14:45:41Z)
Near-Optimal Multi-Agent Learning for Safe Coverage Control [76.99020416197631]
マルチエージェントのカバレッジ制御問題では、エージェントは環境をナビゲートして、ある密度のカバレッジを最大化する位置に到達する。本稿では,エージェントの安全性を保ちながら,その密度を効率よく学習し,カバレッジ問題を概ね解決することを目的とする。まず、安全を確実に保証しながら、有限時間で最適範囲に近づいた結果を挙げる。
論文参考訳（メタデータ） (2022-10-12T16:33:34Z)
General Cutting Planes for Bound-Propagation-Based Neural Network Verification [144.7290035694459]
任意の切削平面制約を加えることができるような境界伝搬手順を一般化する。 MIPソルバは、境界プロパゲーションベースの検証器を強化するために高品質な切削面を生成することができる。本手法は,oval20ベンチマークを完全解き,oval21ベンチマークの2倍のインスタンスを検証できる最初の検証器である。
論文参考訳（メタデータ） (2022-08-11T10:31:28Z)
Device-independent certification of maximal randomness from pure entangled two-qutrit states using non-projective measurements [0.0]
本稿では,最大2log_23$ランダムビットのデバイス独立認証手法を提案する。我々は最近導入された拡張ベルシナリオを[S. Sarkar et al., arXiv:2110.15176]で活用する。
論文参考訳（メタデータ） (2022-01-21T11:25:58Z)
ANCER: Anisotropic Certification via Sample-wise Volume Maximization [134.7866967491167]
本稿では,与えられたテストセットのサンプルに対して,ボリュームを介して異方性証明書を取得するためのフレームワークであるanceRを紹介する。その結果,CERはCIFAR-10とImageNetの両方で複数の半径で精度を導入し,ボリュームの面ではかなり大きな領域を認証していることがわかった。
論文参考訳（メタデータ） (2021-07-09T17:42:38Z)
Expanding boundaries of Gap Safe screening [0.0]
アルゴリズムの性能を高める強力な戦略は、safe screeningとして知られている。双対コスト関数に対するグローバルな強結合性仮定を緩和することにより,既存のギャップセーフスクリーニングフレームワークを拡張する。提案された一般的なフレームワークは、ロジスティック関数、beta = 1.5、kullback-leibler divergencesといった特別なケースで例示されている。
論文参考訳（メタデータ） (2021-02-22T09:23:31Z)
Two-Stage Copy-Move Forgery Detection with Self Deep Matching and Proposal SuperGlue [9.676233763589618]
コピーモーブ偽造検出は、同一画像中のペースト領域とソース領域を検出して、改ざん画像を特定する。本稿では,コピーモーブ偽造検出のための新しい二段階フレームワークを提案する。提案SuperGlueは、偽武装領域を削除し、不完全な領域を修復するために提案される。
論文参考訳（メタデータ） (2020-12-16T02:05:55Z)
Hierarchical Verification for Adversarial Robustness [89.30150585592648]
正解点$ell_p$ロバスト性検証問題に対する新しいフレームワークを提案する。 LayerCertは、修正線形アクティベーション(ReLU)を用いたディープフィードフォワードネットワークの階層的幾何構造を利用する提案手法は,GeoCertに比べて,解決すべき凸プログラムの数とサイズを確実に削減できることを示す。
論文参考訳（メタデータ） (2020-07-23T07:03:05Z)
Bounding Maps for Universal Lesion Detection [36.198165949330566]
コンピュータ断層撮影におけるユニバーサル病変検出は,コンピュータ支援診断システムにおいて重要な役割を担っている。多くの検出手法は、可能なバウンディングボックス(またはアンカー)を提案として、UDDに対して優れた結果が得られる。しかし、実証的な証拠は、アンカーベースの提案を使用することで、高い偽陽性(FP)率につながることを示している。本研究では,x-,y-,xy-方向に有界な3つのソフト連続写像を持つ有界箱を表すボックス・ツー・マップ法を提案する。
論文参考訳（メタデータ） (2020-07-18T09:47:09Z)
KL-Divergence-Based Region Proposal Network for Object Detection [31.542961054361722]
対象度スコアにおける境界ボックスオフセットの不確かさを考慮した新しい領域提案学習法を提案する。実験の結果、VGG-16とR-FCNとResNet-101によるより高速なR-CNNでは、MS COCOテストデブで2.6%と2.0%のAP改善が達成された。
論文参考訳（メタデータ） (2020-05-22T14:59:26Z)
DeepStrip: High Resolution Boundary Refinement [60.00241966809684]
関心領域をストリップ画像に変換し、ストリップ領域の境界予測を計算することを提案する。対象境界を検出するために,2つの予測層を持つフレームワークを提案する。我々は、誤報を減らすために、整合性とC0連続性正規化をネットワークに強制する。
論文参考訳（メタデータ） (2020-03-25T22:44:48Z)

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。