論文の概要: The Multimarginal Optimal Transport Formulation of Adversarial
Multiclass Classification
- arxiv url: http://arxiv.org/abs/2204.12676v1
- Date: Wed, 27 Apr 2022 03:07:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-28 13:04:39.168080
- Title: The Multimarginal Optimal Transport Formulation of Adversarial
Multiclass Classification
- Title(参考訳): 逆多重クラス分類のマルチマルジナル最適輸送定式化
- Authors: Nicolas Garcia Trillos, Matt Jacobs, Jakwang Kim
- Abstract要約: 多クラス分類における逆学習問題の幾何学的構造について述べる。
この結果の直接的な計算的意味は、バリセンタ問題とその双対、あるいはMOT問題とその双対を解くことにより、最適なロバストな分類規則を回復できるということである。
- 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: We study a family of adversarial multiclass classification problems and
provide equivalent reformulations in terms of: 1) a family of generalized
barycenter problems introduced in the paper and 2) a family of multimarginal
optimal transport problems where the number of marginals is equal to the number
of classes in the original classification problem. These new theoretical
results reveal a rich geometric structure of adversarial learning problems in
multiclass classification and extend recent results restricted to the binary
classification setting. A direct computational implication of our results is
that by solving either the barycenter problem and its dual, or the MOT problem
and its dual, we can recover the optimal robust classification rule and the
optimal adversarial strategy for the original adversarial problem. Examples
with synthetic and real data illustrate our results.
- Abstract(参考訳): 我々は,敵対的多クラス分類問題の一家系について研究し,以下の点において等価な改定を行う。
1)本論文で導入された一般化されたバリーセンター問題の家系及び
2) 境界数の数が元の分類問題におけるクラス数に等しいようなマルチマルジナル最適輸送問題の族。
これらの新しい理論的な結果は、多クラス分類における逆学習問題のリッチな幾何学的構造を示し、最近の結果は二分分類に制限されている。
この結果の直接的な計算的意味は、バリセンタ問題とその双対、あるいはMOT問題とその双対を解くことにより、元の逆問題に対する最適ロバストな分類規則と最適逆戦略を回復できるということである。
合成および実データによる例は、我々の結果を示している。
関連論文リスト
- Genetic Column Generation for Computing Lower Bounds for Adversarial Classification [0.0]
遺伝的カラム生成のアイデアは,マルチクラス分類における最小対角リスクの計算において,次元の呪いを克服するためにどのように使用できるかを検討する。
本稿では,遺伝的カラム生成のアイデアが,マルチクラス分類における最小対角リスクの計算における次元の呪いを克服するために利用できることを示す。
論文 参考訳(メタデータ) (2024-06-12T15:34:42Z) - Balanced Classification: A Unified Framework for Long-Tailed Object
Detection [74.94216414011326]
従来の検出器は、分類バイアスによる長期データを扱う際の性能劣化に悩まされる。
本稿では,カテゴリ分布の格差に起因する不平等の適応的是正を可能にする,BAlanced CLassification (BACL) と呼ばれる統一フレームワークを提案する。
BACLは、さまざまなバックボーンとアーキテクチャを持つさまざまなデータセット間で、一貫してパフォーマンス改善を実現している。
論文 参考訳(メタデータ) (2023-08-04T09:11:07Z) - Synergies between Disentanglement and Sparsity: Generalization and
Identifiability in Multi-Task Learning [79.83792914684985]
我々は,最大スパース基底予測器が不整合表現をもたらす条件を提供する新しい識別可能性の結果を証明した。
この理論的な結果から,両レベル最適化問題に基づくアンタングル表現学習の実践的アプローチを提案する。
論文 参考訳(メタデータ) (2022-11-26T21:02:09Z) - Latent Preserving Generative Adversarial Network for Imbalance
classification [17.992830267031877]
エンド・ツー・エンドの深層生成分類器を提案する。
本稿では,ジェネレータの遅延空間を予め保持するドメイン制約オートエンコーダを提案する。
3つの異なる多クラス不均衡問題と最先端手法との比較実験を行った。
論文 参考訳(メタデータ) (2022-09-04T07:49:27Z) - Multi-class Classification with Fuzzy-feature Observations: Theory and
Algorithms [36.810603503167755]
我々は,MCIMO(Multi-class classification with Imprecise Observation)と呼ばれる新しい現実的問題に対処する新しい枠組みを提案する。
まず,ファジィラデマッハの複雑性に基づくMCIMO問題の理論的解析を行う。
そこで,提案した課題を解決するために,サポートベクタマシンとニューラルネットワークに基づく2つの実用的なアルゴリズムを構築した。
論文 参考訳(メタデータ) (2022-06-09T07:14:00Z) - Learning with Multiclass AUC: Theory and Algorithms [141.63211412386283]
ROC曲線 (AUC) の下の領域は、不均衡学習やレコメンダシステムといった問題に対するよく知られたランキング基準である。
本稿では,マルチクラスAUCメトリクスを最適化することで,多クラススコアリング関数を学習する問題について検討する。
論文 参考訳(メタデータ) (2021-07-28T05:18:10Z) - Learning Gaussian Mixtures with Generalised Linear Models: Precise
Asymptotics in High-dimensions [79.35722941720734]
多クラス分類問題に対する一般化線形モデルは、現代の機械学習タスクの基本的な構成要素の1つである。
実験的リスク最小化による高次元推定器の精度を実証する。
合成データの範囲を超えて我々の理論をどのように適用できるかを論じる。
論文 参考訳(メタデータ) (2021-06-07T16:53:56Z) - Theoretical Insights Into Multiclass Classification: A High-dimensional
Asymptotic View [82.80085730891126]
線形多クラス分類の最初の現代的精度解析を行う。
分析の結果,分類精度は分布に依存していることがわかった。
得られた洞察は、他の分類アルゴリズムの正確な理解の道を開くかもしれない。
論文 参考訳(メタデータ) (2020-11-16T05:17:29Z) - Robustifying Binary Classification to Adversarial Perturbation [45.347651499585055]
本稿では,対向摂動を伴う二分分類の問題について考察する。
データを操作する際の敵の力を考慮に入れたマックスマージン分類器に一般化を導入する。
損失関数に関するいくつかの軽微な仮定の下では、勾配降下がその方向のRM分類器に収束することを理論的に示す。
論文 参考訳(メタデータ) (2020-10-29T07:20:37Z) - Pairwise Supervision Can Provably Elicit a Decision Boundary [84.58020117487898]
類似性学習は、パターンのペア間の関係を予測することによって有用な表現を引き出す問題である。
類似性学習は、決定境界を直接引き出すことによって二項分類を解くことができることを示す。
論文 参考訳(メタデータ) (2020-06-11T05:35:16Z) - Nonlinear classifiers for ranking problems based on kernelized SVM [0.0]
多くの分類問題は、全てのサンプルではなく、最も関連性の高いサンプルのみの性能を最大化することに焦点を当てている。
本稿では、これらの線形分類問題のいくつかのクラスを含む一般的な枠組みを導出する。
問題を二元化し、カーネルを追加し、コンポーネントワイドのアセンジ法を提案する。
論文 参考訳(メタデータ) (2020-02-26T12:37:11Z)
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。