論文の概要: The Structured Abstain Problem and the Lov\'asz Hinge

• arxiv url: http://arxiv.org/abs/2203.08645v2
• Date: Thu, 17 Mar 2022 17:02:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-18 11:57:37.425635
• Title: The Structured Abstain Problem and the Lov\'asz Hinge
• Title（参考訳）: 構造的不確かさ問題と Lov\'asz ヒンジ
• Authors: Jessie Finocchiaro and Rafael Frongillo and Enrique Nueve
• Abstract要約: 集合関数がモジュラーでない限り、Lov'asz ヒンジは所望の目標に対して矛盾しないことを示す。 2つのリンク関数を導出し、それぞれがすべての部分モジュラー集合関数に対して同時に整合である。
• 参考スコア（独自算出の注目度）: 0.5156484100374059
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Lov\'asz hinge is a convex surrogate recently proposed for structured binary classification, in which $k$ binary predictions are made simultaneously and the error is judged by a submodular set function. Despite its wide usage in image segmentation and related problems, its consistency has remained open. We resolve this open question, showing that the Lov\'asz hinge is inconsistent for its desired target unless the set function is modular. Leveraging a recent embedding framework, we instead derive the target loss for which the Lov\'asz hinge is consistent. This target, which we call the structured abstain problem, allows one to abstain on any subset of the $k$ predictions. We derive two link functions, each of which are consistent for all submodular set functions simultaneously.
• Abstract（参考訳）: lov\'asz ヒンジは構造化バイナリ分類のために最近提案された凸サーロゲートで、$k$ バイナリの予測が同時に行われ、エラーは部分モジュラー集合関数によって判断される。 画像のセグメンテーションや関連する問題で広く使われているが、一貫性は依然として維持されている。 この開問題は、Lov\'asz のヒンジが、集合関数がモジュラーでない限り、その所望の目的に対して矛盾しないことを示す。 最近の組込みフレームワークを利用することで、lov\'aszヒンジが一貫性のあるターゲット損失を導出します。 このターゲットは構造化アブスタン問題(structured abstain problem)と呼ばれ、$k$の予測の任意のサブセットを棄却できる。 2つのリンク関数を導出し、それぞれがすべての部分モジュラー集合関数に対して同一である。

関連論文リスト

• Two-Timescale Gradient Descent Ascent Algorithms for Nonconvex Minimax Optimization [77.3396841985172]
  我々は、構造化された非極小最適化問題の解法として、2時間勾配上昇(TTGDA)を統一的に解析する。 我々の貢献はTTGDAアルゴリズムを設計することであり、設定を超えて効果的です。
  論文  参考訳（メタデータ） (2024-08-21T20:14:54Z)
• Control of the von Neumann Entropy for an Open Two-Qubit System Using Coherent and Incoherent Drives [50.24983453990065]
  本稿では、時間依存デコヒーレンス率を誘導するコヒーレント制御と非コヒーレント制御を備えた開2量子系のフォン・ノイマンエントロピー$S(rho(t))$を操作するためのアプローチを開発することに専念する。 a) the final entropy $S(rho(T))$; (b) steering $S(rho(T))$ to a given target value; (c) steering $S(rho(T))$ to a target value and satisfying the pointwise state constraint $S(T)
  論文  参考訳（メタデータ） (2024-05-10T10:01:10Z)
• A Contrastive Variational Graph Auto-Encoder for Node Clustering [10.52321770126932]
  最先端のクラスタリング手法には多くの課題がある。 既存のVGAEは、推論と生成モデルの相違を考慮していない。 私たちのソリューションには、フィーチャーランダムネスとフィーチャードリフトのトレードオフを制御する2つのメカニズムがあります。
  論文  参考訳（メタデータ） (2023-12-28T05:07:57Z)
• Optimization of Time-Dependent Decoherence Rates and Coherent Control for a Qutrit System [77.34726150561087]
  非コヒーレント制御は、特定の制御方法で時間に応じてデコヒーレンス率を決定する。 我々は、システムの最終状態$rho(T)$と与えられたターゲット状態$rho_rmターゲットとの間のヒルベルト・シュミットの重なりを最大化する問題を考察する。
  論文  参考訳（メタデータ） (2023-08-08T01:28:50Z)
• Universal Online Learning with Gradient Variations: A Multi-layer Online Ensemble Approach [57.92727189589498]
  本稿では,2段階の適応性を持つオンライン凸最適化手法を提案する。 我々は$mathcalO(log V_T)$, $mathcalO(d log V_T)$, $hatmathcalO(sqrtV_T)$ regret bounds for strong convex, exp-concave and convex loss function。
  論文  参考訳（メタデータ） (2023-07-17T09:55:35Z)
• Constrained Optimization of Rank-One Functions with Indicator Variables [0.0]
  様々な機械学習アプリケーションに現れる決定変数のサポートに関する制約をモデル化する制約よりも、ランクワン凸関数が関与する最適化問題である。 本稿では、視点関数によって誘導される隠れ円錐構造を利用する構成的アプローチを提案する。 これにより、非線形可分あるいは非可分な目的関数を持つ集合の凸包記述に対する視点記述を体系的に与え、連続変数の制約にサインし、指標変数の制約を与えることができる。
  論文  参考訳（メタデータ） (2023-03-31T15:51:56Z)
• Adaptive Bandit Convex Optimization with Heterogeneous Curvature [40.368893108265056]
  本研究では,学習者が決定を下すと,各関数が独自の曲率を持つ異種環境について検討する。 我々は, 高速で曲率に適応できる効率的なアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-02-12T21:55:42Z)
• Submodular + Concave [53.208470310734825]
  第一次最適化法が凹関数の最大目的値に収束できることはよく確立されている。 本研究では、滑らかな函数凸体(英語版)の行列式を$F(x) = G(x) +C(x)$で始める。 このクラスの函数は、保証がないような凹凸函数と連続DR-部分モジュラ函数の両方の拡張である。
  論文  参考訳（メタデータ） (2021-06-09T01:59:55Z)
• Universal Online Convex Optimization Meets Second-order Bounds [74.0120666722487]
  ユニバーサルオンライン凸最適化のための簡単な戦略を提案する。 主要なアイデアは、オリジナルのオンライン機能を処理するための専門家のセットを構築し、線形化された損失に対してメタアルゴリズムをデプロイすることである。 このようにして、私たちはブラックボックスの専門家として、既成のオンライン問題解決者をプラグインして、問題依存の後悔の限界を提供することができます。
  論文  参考訳（メタデータ） (2021-05-08T11:43:49Z)
• Submodular Maximization Through Barrier Functions [32.41824379833395]
  連続最適化における障壁関数に着想を得た制約付き部分モジュラーの新しい手法を提案する。 提案するアルゴリズムを実世界の複数のアプリケーションに対して広範囲に評価する。
  論文  参考訳（メタデータ） (2020-02-10T03:32:49Z)

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。