Fugu-MT 論文翻訳(概要): Robust Group Synchronization via Quadratic Programming

論文の概要: Robust Group Synchronization via Quadratic Programming

arxiv url: http://arxiv.org/abs/2206.08994v1
Date: Fri, 17 Jun 2022 20:08:03 GMT
ステータス: 処理完了
システム内更新日: 2022-06-22 13:27:58.959646
Title: Robust Group Synchronization via Quadratic Programming
Title（参考訳）: 二次計画によるロバスト群同期
Authors: Yunpeng Shi, Cole Wyeth, Gilad Lerman
Abstract要約: グループ同期における汚職レベルを推定するための2次計画法を提案する。目的関数はグループのサイクル整合性を利用しており、この手法を構造整合性の検出と推定(DESC)と呼ぶ。回転平均化の合成および実データ実験において,本手法の競合精度を示す。
参考スコア（独自算出の注目度）: 15.254598796939922
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a novel quadratic programming formulation for estimating the corruption levels in group synchronization, and use these estimates to solve this problem. Our objective function exploits the cycle consistency of the group and we thus refer to our method as detection and estimation of structural consistency (DESC). This general framework can be extended to other algebraic and geometric structures. Our formulation has the following advantages: it can tolerate corruption as high as the information-theoretic bound, it does not require a good initialization for the estimates of group elements, it has a simple interpretation, and under some mild conditions the global minimum of our objective function exactly recovers the corruption levels. We demonstrate the competitive accuracy of our approach on both synthetic and real data experiments of rotation averaging.
Abstract（参考訳）: 本稿では,グループ同期の劣化レベルを推定するための2次計画法を提案し,これらの推定値を用いてこの問題を解決する。目的関数はグループのサイクル整合性を利用しており,本手法を構造整合性の検出と推定 (DESC) と呼ぶ。この一般的な枠組みは他の代数的構造や幾何学的構造にも拡張できる。我々の定式化には次のような利点がある: 情報理論的境界ほど汚職を許容し、グループ要素の推定に適切な初期化を必要とせず、単純な解釈を持ち、いくつかの穏やかな条件下では、目的関数のグローバル最小値が汚職レベルを正確に回復する。回転平均化の合成データおよび実データ実験において,本手法の競合精度を実証する。

関連論文リスト

Proportional Fairness in Non-Centroid Clustering [34.91134564352282]
我々は、グループフェアネスを保証することを目的として、最近開発された、比例フェアクラスタリングのフレームワークを再考する。フレームワークを非セントロイドクラスタリングに拡張し、エージェントの損失はそのクラスタ内の他のエージェントの関数である。我々は、GreedyCaptureアルゴリズムの適応を用いて、我々が確立できる最良の近似が自然損失関数には適用されないことを示す。
論文参考訳（メタデータ） (2024-10-30T17:53:49Z)
Self-Supervised Graph Embedding Clustering [70.36328717683297]
K-means 1-step dimensionality reduction clustering method は,クラスタリングタスクにおける次元性の呪いに対処する上で,いくつかの進歩をもたらした。本稿では,K-meansに多様体学習を統合する統一フレームワークを提案する。
論文参考訳（メタデータ） (2024-09-24T08:59:51Z)
Robust Fair Clustering with Group Membership Uncertainty Sets [31.29773979737976]
本研究では,各集団の集団レベルでの表現に近づき,各集団が制約される正準公正クラスタリング問題について検討する。簡単なノイズモデルを導入し、意思決定者によって与えられるパラメータを少数必要とします。本稿では,不規則性保証を証明可能なフェアクラスタリングアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-06-02T03:11:31Z)
Structured Conformal Inference for Matrix Completion with Applications to Group Recommender Systems [16.519348575982004]
我々は、欠落したエントリの構造化されたグループに対する連立信頼領域を構築するための共形推論手法を開発した。本手法は,構造化キャリブレーションデータセットを慎重に組み立てることで,より強力なグループレベルの保証を実現する。
論文参考訳（メタデータ） (2024-04-26T17:42:29Z)
A structured regression approach for evaluating model performance across intersectional subgroups [53.91682617836498]
分散評価(disaggregated evaluation)は、AIフェアネスアセスメントにおける中心的なタスクであり、AIシステムのさまざまなサブグループ間でのパフォーマンスを測定することを目的としている。非常に小さなサブグループであっても,信頼性の高いシステム性能推定値が得られることを示す。
論文参考訳（メタデータ） (2024-01-26T14:21:45Z)
Correcting Underrepresentation and Intersectional Bias for Classification [49.1574468325115]
我々は、表現不足のバイアスによって破損したデータから学習する問題を考察する。偏りのないデータの少ない場合、グループワイドのドロップアウト率を効率的に推定できることが示される。本アルゴリズムは,有限VC次元のモデルクラスに対して,効率的な学習を可能にする。
論文参考訳（メタデータ） (2023-06-19T18:25:44Z)
Harnessing Heterogeneity: Learning from Decomposed Feedback in Bayesian Modeling [68.69431580852535]
サブグループフィードバックを取り入れた新しいGPレグレッションを導入する。我々の修正された回帰は、以前のアプローチと比べて、明らかにばらつきを減らし、したがってより正確な後続を減らした。我々は2つの異なる社会問題に対してアルゴリズムを実行する。
論文参考訳（メタデータ） (2021-07-07T03:57:22Z)
HAWKS: Evolving Challenging Benchmark Sets for Cluster Analysis [2.5329716878122404]
クラスタリングアルゴリズムの包括的なベンチマークは難しい。厳格なベンチマークのベストプラクティスに関する合意はありません。このようなベンチマークのフレキシブルな生成を支援するために,進化的アルゴリズムが果たす重要な役割を実証する。
論文参考訳（メタデータ） (2021-02-13T15:01:34Z)
Beyond Individual and Group Fairness [90.4666341812857]
本稿では,不公平な不公平な苦情に導かれる公平さの新しいデータ駆動モデルを提案する。我々のモデルは、複数のフェアネス基準をサポートし、それらの潜在的な不整合を考慮に入れている。
論文参考訳（メタデータ） (2020-08-21T14:14:44Z)
Message Passing Least Squares Framework and its Application to Rotation Synchronization [16.650654530240566]
まず,測定されたグループ比の劣化レベルを推定する理論的に保証されたメッセージパッシングアルゴリズムについて述べる。次に, グループ要素を推定する新たな最小二乗法を提案し, そこでは, 推定汚職レベルを用いて重みを反復的に更新する。合成データと実データの両方を用いた回転同期の最先端手法よりも優れた性能を示す。
論文参考訳（メタデータ） (2020-07-27T15:39:19Z)
Tackling the Objective Inconsistency Problem in Heterogeneous Federated Optimization [93.78811018928583]
本稿では、フェデレートされた異種最適化アルゴリズムの収束性を分析するためのフレームワークを提供する。我々は,高速な誤差収束を保ちながら,客観的な矛盾を解消する正規化平均化手法であるFedNovaを提案する。
論文参考訳（メタデータ） (2020-07-15T05:01:23Z)

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。