Fugu-MT 論文翻訳(概要): Matrix Completion with Heterogonous Cost

論文の概要: Matrix Completion with Heterogonous Cost

arxiv url: http://arxiv.org/abs/2203.12120v1
Date: Wed, 23 Mar 2022 01:20:54 GMT
ステータス: 処理完了
システム内更新日: 2022-03-25 09:07:16.254514
Title: Matrix Completion with Heterogonous Cost
Title（参考訳）: ヘテロゴナルコストによる行列完全化
Authors: Ilqar Ramazanli
Abstract要約: 2種類のコストモデルで検討し,まず,各カラムのコストが異なるが,カラムでは各エントリのコストが異なる。別のコストモデルとして、行列内の各エントリは、同じ列や行にあるかどうかに関わらず異なる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Matrix completion problem has been studied extensively under the condition that each entry has uniform observation cost. And the problem has been explored withing adaptive or nonadaptive, exact or estimation categories. In this paper, we propose a method that approaches to problem in a different category that, price of checking different entries varies accross the matrix. We study under two type of cost model, first one is each column has different cost, but withing a column, every entry has different cost of observation. Also, another cost model is each entry within the matrix are different no matter if they are in the same column or row.
Abstract（参考訳）: マトリックス完備化問題は,各エントリが均一な観測コストを持つという条件下で広く研究されている。また,適応的あるいは非適応的,正確な,あるいは推定カテゴリによって,この問題が検討されている。本稿では,異なるカテゴリにおける問題にアプローチする手法を提案する。まず,各コラムのコストが異なるが,各コラムの場合,各エントリの観察コストが異なる,という2つのコストモデルについて検討した。また、他のコストモデルでは、マトリックス内の各エントリは、同じ列や行にある場合でも異なる。

関連論文リスト

Fine-Grained Uncertainty Quantification via Collisions [8.159697831570593]
衝突行列を用いた微細不確実性定量化(UQ)のための新しい手法を提案する。 K 時間 K$ クラスを含む分類問題に対して、衝突行列 $S$ は各クラスを区別する固有の(アラート的な)困難を測る。既存のUQ法とは対照的に、衝突行列は分類の難しさをより詳細に示す。
論文参考訳（メタデータ） (2024-11-18T23:41:27Z)
On Rank-Dependent Generalisation Error Bounds for Transformers [18.601449856300984]
線形関数クラスに対して様々な被覆数境界を導入し、それぞれが入力ノルムと行列ノルムに関する異なる制約を課す。次に、これらの境界を適用して、単層変圧器の一般化誤差を導出する。
論文参考訳（メタデータ） (2024-10-15T11:14:04Z)
Optimal level set estimation for non-parametric tournament and crowdsourcing problems [49.75262185577198]
クラウドソーシングによって動機づけられた我々は、$d$の質問に対する$n$の専門家の回答の正しさを部分的に観察する問題を考える。本稿では、専門家$i$が疑問に答える確率を含む行列$M$が、行と列の置換までの双等方性であることを仮定する。我々は,この分類問題に対して最小限のアルゴリズムを最適に構築する。
論文参考訳（メタデータ） (2024-08-27T18:28:31Z)
One-sided Matrix Completion from Two Observations Per Row [95.87811229292056]
行列の欠落値を$XTX$で計算する自然アルゴリズムを提案する。合成データの一方の回収と低被覆ゲノムシークエンシングについて,本アルゴリズムの評価を行った。
論文参考訳（メタデータ） (2023-06-06T22:35:16Z)
Entropic covariance models [0.7614628596146602]
共分散行列の異なる変換に対する線形制限に関する一般的な枠組みを提案する。提案手法は凸問題を解き,$M$-estimatorを出力する。
論文参考訳（メタデータ） (2023-06-06T11:25:05Z)
The Ordered Matrix Dirichlet for Modeling Ordinal Dynamics [54.96229007229786]
観測された動作タイプに潜伏状態のマッピングを行うための順序付き行列ディリクレ(OMD)を提案する。 OMD上に構築されたモデルでは、解釈可能な潜在状態を復元し、数ショット設定で優れた予測性能を示す。
論文参考訳（メタデータ） (2022-12-08T08:04:26Z)
Leverage Score Sampling for Tensor Product Matrices in Input Sparsity Time [54.65688986250061]
我々は,$q$-foldカラムワイドテンソル積の$q$行列に対応するグラム行列を近似するための入力空間時間サンプリングアルゴリズムを提案する。我々のサンプリング技術は、合計時間でデータセット$X$に同時に適用できる$q$部分相関ランダムプロジェクションのコレクションに依存している。
論文参考訳（メタデータ） (2022-02-09T15:26:03Z)
Test Set Sizing Via Random Matrix Theory [91.3755431537592]
本稿ではランダム行列理論の手法を用いて、単純な線形回帰に対して理想的なトレーニング-テストデータ分割を求める。それは「理想」を整合性計量を満たすものとして定義し、すなわち経験的モデル誤差は実際の測定ノイズである。本論文は,任意のモデルのトレーニングとテストサイズを,真に最適な方法で解決した最初の論文である。
論文参考訳（メタデータ） (2021-12-11T13:18:33Z)
Low-rank Matrix Recovery With Unknown Correspondence [62.634051913953485]
我々は、M$の回復のために証明不可能な非漸近誤差を伴い、M$の適切な低ランク条件下で核ノルム最小化問題を解くことで、M$を回復可能であることを示す。シミュレーションデータの実験、MovieLens 100KデータセットとYale Bデータベースは、$textM3textOがいくつかのベースラインで最先端のパフォーマンスを達成し、高精度な地上真実対応を回復できることを示した。
論文参考訳（メタデータ） (2021-10-15T09:27:50Z)
Two-way Spectrum Pursuit for CUR Decomposition and Its Application in Joint Column/Row Subset Selection [9.649210683629127]
本稿では,列列選択と行サブセット選択の同時選択の問題に対処する。実際の列/行のサブセットを選択することで、列/行の最も構造的な情報をキャプチャするための反復的なアプローチが提案されている。認知無線ネットワークにおける通信路とセンサ選択へのTWSPの適用を実証する。
論文参考訳（メタデータ） (2021-06-13T13:16:15Z)

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。