論文の概要: Dependent Latent Class Models
- arxiv url: http://arxiv.org/abs/2205.08677v1
- Date: Wed, 18 May 2022 01:23:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-19 14:07:25.847269
- Title: Dependent Latent Class Models
- Title(参考訳): 依存型潜在クラスモデル
- Authors: Jesse Bowers, Steve Culpepper
- Abstract要約: 潜在クラスモデル(LCM)は多変量分類データのクラスタリングに用いられる。
我々は、依存潜在クラスモデル(DLCM)と呼ばれる新しいベイズモデルを開発する。
シミュレーションおよび実世界のアプリケーションにおけるDLCMの有効性を示す。
- 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: Latent Class Models (LCMs) are used to cluster multivariate categorical data
(e.g. group participants based on survey responses). Traditional LCMs assume a
property called conditional independence. This assumption can be restrictive,
leading to model misspecification and overparameterization. To combat this
problem, we developed a novel Bayesian model called a Dependent Latent Class
Model (DLCM), which permits conditional dependence. We verify identifiability
of DLCMs. We also demonstrate the effectiveness of DLCMs in both simulations
and real-world applications. Compared to traditional LCMs, DLCMs are effective
in applications with time series, overlapping items, and structural zeroes.
- Abstract(参考訳): 潜在クラスモデル(LCM)は多変量分類データをクラスタリングするために使用される(例えば、調査回答に基づくグループ参加者)。
伝統的なLCMは条件独立と呼ばれる資産を前提としている。
この仮定は制限的であり、モデルの誤特定と過剰パラメータ化に繋がる。
この問題に対処するため,我々は,条件依存を許容する Dependent Latent Class Model (DLCM) と呼ばれる新しいベイズモデルを開発した。
DLCMの識別可能性を検証する。
また,シミュレーションおよび実世界のアプリケーションにおけるDLCMの有効性を示す。
従来のLCMと比較して、DLCMは時系列、重なり合う項目、構造ゼロの応用に有効である。
関連論文リスト
- Latent Semantic Consensus For Deterministic Geometric Model Fitting [109.44565542031384]
我々はLSC(Latent Semantic Consensus)と呼ばれる効果的な方法を提案する。
LSCは、モデルフィッティング問題をデータポイントとモデル仮説に基づく2つの潜在意味空間に定式化する。
LSCは、一般的な多構造モデルフィッティングのために、数ミリ秒以内で一貫した、信頼性の高いソリューションを提供することができる。
論文 参考訳(メタデータ) (2024-03-11T05:35:38Z) - Induced Model Matching: How Restricted Models Can Help Larger Ones [1.7676816383911753]
制限された特徴を用いた非常に正確な予測モデルが、より大きく、フル機能の、モデルのトレーニング時に利用可能であるシナリオを考察する。
制限されたモデルは、フルモデルにどのように役立つのか?
本稿では,制約モデルと制約モデルの性能を一致させることで,制約モデルの知識をフルモデルに伝達する手法を提案する。
論文 参考訳(メタデータ) (2024-02-19T20:21:09Z) - Latent class analysis with weighted responses [0.0]
本稿では、新しい生成モデル、重み付き潜在クラスモデル(WLCM)を提案する。
我々のモデルでは、遅延クラス構造を持つ任意の分布からデータの応答行列を生成することができる。
モデルの同定可能性について検討し,潜在クラスやその他のモデルパラメータを推定する効率的なアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-10-17T04:16:20Z) - Sheared LLaMA: Accelerating Language Model Pre-training via Structured
Pruning [57.12877119005303]
我々は,事前訓練された大規模モデルからより小型のLCMを開発するための効果的な方法として構造化プルーニングについて検討した。
提案手法では,(1)階層,頭部,中間および隠蔽次元をエンド・ツー・エンドに除去することで,より大きなモデルを特定のターゲット形状にプルーニングするターゲット構造化プルーニングと,(2)各トレーニングバッチにおけるサンプルデータの構成を,異なるドメイン間での損失に基づいて動的に更新する動的バッチローディングという2つの重要な手法を用いる。
論文 参考訳(メタデータ) (2023-10-10T15:13:30Z) - The Languini Kitchen: Enabling Language Modelling Research at Different
Scales of Compute [66.84421705029624]
本稿では,アクセル時間で測定された等価計算に基づくモデル比較を可能にする実験的プロトコルを提案する。
私たちは、既存の学術的ベンチマークを上回り、品質、多様性、文書の長さで上回る、大規模で多様で高品質な書籍データセットを前処理します。
この研究は、GPT-2アーキテクチャから派生したフィードフォワードモデルと、10倍のスループットを持つ新しいLSTMの形式でのリカレントモデルという2つのベースラインモデルも提供する。
論文 参考訳(メタデータ) (2023-09-20T10:31:17Z) - Attitudes and Latent Class Choice Models using Machine learning [0.0]
LCCM (Latent Class Choice Models) の仕様において, 位置インジケータを効率的に組み込む手法を提案する。
この定式化は、位置指標と決定選択との関係を探索する能力において構造方程式を克服する。
我々は,デンマークのコペンハーゲンから,カーシェアリング(Car-Sharing, CS)サービスサブスクリプションの選択を推定するためのフレームワークをテストした。
論文 参考訳(メタデータ) (2023-02-20T10:03:01Z) - 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) - Switchable Representation Learning Framework with Self-compatibility [50.48336074436792]
自己整合性(SFSC)を考慮した交換可能な表現学習フレームワークを提案する。
SFSCは1つのトレーニングプロセスを通じて、異なる能力を持つ一連の互換性のあるサブモデルを生成する。
SFSCは評価データセット上で最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2022-06-16T16:46:32Z) - Deep Learning Models for Knowledge Tracing: Review and Empirical
Evaluation [2.423547527175807]
我々は,オープンで広く利用されているデータセットを用いた深層学習知識追跡(DLKT)モデルをレビューし,評価する。
評価されたDLKTモデルは、以前報告した結果の再現性と評価のために再実装されている。
論文 参考訳(メタデータ) (2021-12-30T14:19:27Z) - A Twin Neural Model for Uplift [59.38563723706796]
Upliftは条件付き治療効果モデリングの特定のケースです。
相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。
本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
論文 参考訳(メタデータ) (2021-05-11T16:02:39Z) - Variational Conditional Dependence Hidden Markov Models for
Skeleton-Based Action Recognition [7.9603223299524535]
本稿では、時間変化の時間依存性パターンをキャプチャする問題に対処するために、従来の逐次モデリング手法を再検討する。
我々は、過去のフレームへの依存を動的に推定するHMMの異なる定式化を提案する。
フォワード・バックワード・アルゴリズムに基づく抽出可能な推論アルゴリズムを導出する。
論文 参考訳(メタデータ) (2020-02-13T23:18:52Z)
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。