Fugu-MT 論文翻訳(概要): One-Way Matching of Datasets with Low Rank Signals

論文の概要: One-Way Matching of Datasets with Low Rank Signals

arxiv url: http://arxiv.org/abs/2204.13858v1
Date: Fri, 29 Apr 2022 03:12:23 GMT
ステータス: 処理完了
システム内更新日: 2022-05-02 15:00:58.250280
Title: One-Way Matching of Datasets with Low Rank Signals
Title（参考訳）: 低ランク信号を用いたデータセットのワンウェイマッチング
Authors: Shuxiao Chen, Sizun Jiang, Zongming Ma, Garry P. Nolan, Bokai Zhu
Abstract要約: 投影されたデータに対する線形代入は収束の速さを達成し、時にはこのタスクに対する最小値の最適性さえも達成できることを示す。本稿では,2つの単一セルデータ例に対して,マッチング手法の実用化について述べる。
参考スコア（独自算出の注目度）: 4.582330307986793
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study one-way matching of a pair of datasets with low rank signals. Under a stylized model, we first derive information-theoretic limits of matching. We then show that linear assignment with projected data achieves fast rates of convergence and sometimes even minimax rate optimality for this task. The theoretical error bounds are corroborated by simulated examples. Furthermore, we illustrate practical use of the matching procedure on two single-cell data examples.
Abstract（参考訳）: 低階信号を用いた一対のデータセットの一方向マッチングについて検討する。定型化モデルでは,まず情報理論上のマッチング限界を導出する。次に、投影されたデータに対する線形割当は収束速度が速くなり、時にはこのタスクの最適度が最小になることを示す。理論誤差境界はシミュレートされた例によって近似される。さらに,2つの単一セルデータ例に対するマッチング手法の実用化について述べる。

関連論文リスト

Samplet basis pursuit: Multiresolution scattered data approximation with sparsity constraints [0.0]
我々は,$ell_1$-regularization を用いたサンプルト座標における分散データ近似について検討する。 Riesz isometry を用いて、標本を再現されたカーネルヒルベルト空間に埋め込む。組込みサンプルベースに対してスパースな信号のクラスは、カーネル翻訳の基盤に関してスパースな信号のクラスよりもかなり大きいと論じる。
論文参考訳（メタデータ） (2023-06-16T21:20:49Z)
Optimal Heterogeneous Collaborative Linear Regression and Contextual Bandits [34.121889149071684]
本研究では、各インスタンスの関連パラメータが大域的パラメータとスパースなインスタンス固有項と等しくなるような協調線形回帰と文脈的バンドイットについて検討する。 MOLARと呼ばれる新しい2段階推定器を提案し、まず、インスタンスの線形回帰推定のエントリーワイド中央値を構築し、その後、インスタンス固有推定値を中央値に向けて縮小することで、この構造を利用する。次に、MOLARを用いて、不均一な協調的文脈的包帯の手法を開発し、独立した包帯法と比較して、後悔の保証を改善する。
論文参考訳（メタデータ） (2023-06-09T22:48:13Z)
Linear Distance Metric Learning with Noisy Labels [7.326930455001404]
たとえデータがノイズであっても、基底真理線型計量は任意の精度で学習可能であることを示す。損失関数やパラメータの精度を確実に維持できる低ランクモデルに学習モデルを切り換える効果的な方法を提案する。
論文参考訳（メタデータ） (2023-06-05T18:29:00Z)
Learning the joint distribution of two sequences using little or no paired data [16.189575655434844]
本稿では,2つのシーケンス,例えばテキストと音声のノイズチャネル生成モデルを提案する。ペア化されたデータの少ないデータでも、大量の未ペアデータが存在する場合の2つのモダリティを関連付けるのに十分であることを示す。
論文参考訳（メタデータ） (2022-12-06T18:56:15Z)
Condensing Graphs via One-Step Gradient Matching [50.07587238142548]
ネットワーク重みを訓練せずに1ステップのみの勾配マッチングを行う1ステップ勾配マッチング方式を提案する。我々の理論的分析は、この戦略が実際のグラフの分類損失を減少させる合成グラフを生成することができることを示している。特に、元のパフォーマンスの最大98%を近似しながら、データセットサイズを90%削減することが可能です。
論文参考訳（メタデータ） (2022-06-15T18:20:01Z)
Task Affinity with Maximum Bipartite Matching in Few-Shot Learning [28.5184196829547]
本稿では,1つのタスクの知識を活用して,別のタスクを学習する複雑性を表現するための非対称親和性スコアを提案する。特に、このスコアを用いて、テストデータに関連するトレーニングデータラベルを見つけ、発見した関連するデータを活用して、いくつかのショットモデルをエピソード的に微調整する。
論文参考訳（メタデータ） (2021-10-05T23:15:55Z)
Information-Theoretic Generalization Bounds for Iterative Semi-Supervised Learning [81.1071978288003]
特に,情報理論の原理を用いて,反復型SSLアルゴリズムのエミュレータ一般化誤差の振る舞いを理解することを目的とする。我々の理論的結果は、クラス条件分散があまり大きくない場合、一般化誤差の上限は反復数とともに単調に減少するが、すぐに飽和することを示している。
論文参考訳（メタデータ） (2021-10-03T05:38:49Z)
Near-optimal inference in adaptive linear regression [60.08422051718195]
最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
論文参考訳（メタデータ） (2021-07-05T21:05:11Z)
Model identification and local linear convergence of coordinate descent [74.87531444344381]
循環座標降下は、幅広い種類の関数に対して有限時間でモデル同定を達成することを示す。また、座標降下に対する局所収束速度を明示的に証明する。
論文参考訳（メタデータ） (2020-10-22T16:03:19Z)
Random extrapolation for primal-dual coordinate descent [61.55967255151027]
本稿では,データ行列の疎度と目的関数の好適な構造に適応する,ランダムに外挿した原始-双対座標降下法を提案する。一般凸凹の場合, 主対差と目的値に対するシーケンスのほぼ確実に収束と最適サブ線形収束率を示す。
論文参考訳（メタデータ） (2020-07-13T17:39:35Z)
An Investigation of Why Overparameterization Exacerbates Spurious Correlations [98.3066727301239]
この動作を駆動するトレーニングデータの2つの重要な特性を特定します。モデルの"記憶"に対する帰納的バイアスが,パラメータ化の超過を損なう可能性を示す。
論文参考訳（メタデータ） (2020-05-09T01:59:13Z)

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。