Fugu-MT 論文翻訳(概要): Towards Healing the Blindness of Score Matching

論文の概要: Towards Healing the Blindness of Score Matching

arxiv url: http://arxiv.org/abs/2209.07396v1
Date: Thu, 15 Sep 2022 15:56:42 GMT
ステータス: 処理完了
システム内更新日: 2022-09-16 12:17:21.528479
Title: Towards Healing the Blindness of Score Matching
Title（参考訳）: スコアマッチングの盲点回復に向けて
Authors: Mingtian Zhang and Oscar Key and Peter Hayes and David Barber and Brooks Paige and Fran\c{c}ois-Xavier Briol
Abstract要約: マルチモーダル分布にスコアベースの発散を用いる場合,視覚障害が観察されている。そこで我々は,視覚障害を軽減できる新たな異種族を提案する。
参考スコア（独自算出の注目度）: 24.803259944720825
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Score-based divergences have been widely used in machine learning and statistics applications. Despite their empirical success, a blindness problem has been observed when using these for multi-modal distributions. In this work, we discuss the blindness problem and propose a new family of divergences that can mitigate the blindness problem. We illustrate our proposed divergence in the context of density estimation and report improved performance compared to traditional approaches.
Abstract（参考訳）: スコアベースの発散は機械学習や統計アプリケーションで広く使われている。実験的な成功にもかかわらず、これらをマルチモーダル分布に使用する際に盲目の問題が観測されている。そこで本研究では盲目問題を議論し,盲目問題を緩和する新たな種類を提案する。提案手法は,密度推定の文脈において発散し,従来の手法と比較して性能が向上したことを示す。

関連論文リスト

Comprehensive Equity Index (CEI): Definition and Application to Bias Evaluation in Biometrics [47.762333925222926]
本稿では,機械学習モデルのバイアス行動の定量化のための新しい指標を提案する。顔認識システムの運用評価に焦点をあて,適用する。
論文参考訳（メタデータ） (2024-09-03T14:19:38Z)
Confidence-aware multi-modality learning for eye disease screening [58.861421804458395]
眼疾患スクリーニングのための新しい多モード顕在核融合パイプラインを提案する。モダリティごとに信頼度を測り、マルチモダリティ情報をエレガントに統合する。パブリックデータセットと内部データセットの両方の実験結果は、我々のモデルが堅牢性に優れていることを示している。
論文参考訳（メタデータ） (2024-05-28T13:27:30Z)
Chain-of-Thought Prompting for Demographic Inference with Large Multimodal Models [58.58594658683919]
大規模マルチモーダルモデル (LMM) は、様々な研究課題において変換可能性を示している。以上の結果から,LMMはゼロショット学習,解釈可能性,未修正入力の処理に長所があることが示唆された。本稿では,目標外予測問題を効果的に緩和するChain-of-Thought拡張プロンプト手法を提案する。
論文参考訳（メタデータ） (2024-05-24T16:26:56Z)
Reliable Multimodality Eye Disease Screening via Mixture of Student's t Distributions [49.4545260500952]
眼疾患スクリーニングのための新しい多モード顕在核融合パイプラインEyeMoStについて紹介する。本モデルでは,一様性に対する局所的不確実性と融合モードに対する大域的不確実性の両方を推定し,信頼性の高い分類結果を生成する。パブリックデータセットと社内データセットの両方に関する実験結果から、我々のモデルは現在の手法よりも信頼性が高いことが判明した。
論文参考訳（メタデータ） (2023-03-17T06:18:16Z)
Benchmarking common uncertainty estimation methods with histopathological images under domain shift and label noise [62.997667081978825]
リスクの高い環境では、深層学習モデルは不確実性を判断し、誤分類の可能性がかなり高い場合に入力を拒否しなければなりません。我々は,全スライド画像の分類において,最もよく使われている不確実性と頑健さの厳密な評価を行う。我々は一般的に,手法のアンサンブルが,ドメインシフトやラベルノイズに対するロバスト性の向上とともに,より良い不確実性評価につながることを観察する。
論文参考訳（メタデータ） (2023-01-03T11:34:36Z)
A New Robust Multivariate Mode Estimator for Eye-tracking Calibration [0.0]
本稿では,多変量分布の主モードを推定する新しい手法を提案する。この種のマルチモーダル分布では、ほとんどの中心的傾向測度は主固定座標の推定に失敗する。そこで我々は,BRILと呼ばれる多変量分布の第1モードを同定するアルゴリズムを開発した。クラスタにグループ化され,ランダムに分散された,非常に高い割合のアウトリーチを含む分布においても,優れた性能が得られた。
論文参考訳（メタデータ） (2021-07-16T17:45:19Z)
On the Importance of Regularisation & Auxiliary Information in OOD Detection [9.340611077939828]
この欠陥は、ニューラルネットワークがしばしば急激な相関に過度に適合していることを示す根本的な欠陥を示している。本稿では,ネットワークが配布外サンプルを検出する能力を向上する2つの新しい目的について述べる。
論文参考訳（メタデータ） (2021-07-15T18:57:10Z)
Deep Stable Learning for Out-Of-Distribution Generalization [27.437046504902938]
深層ニューラルネットワークに基づくアプローチは、同様の分布を持つデータとトレーニングデータをテストする際に顕著なパフォーマンスを達成した。トレーニングとテストデータ間の分散シフトの影響を排除することは、パフォーマンス向上の深層モデルの構築に不可欠です。トレーニングサンプルの学習重みによる特徴間の依存関係を除去し,この問題に対処することを提案する。
論文参考訳（メタデータ） (2021-04-16T03:54:21Z)
Measure of Strength of Evidence for Visually Observed Differences between Subpopulations [3.874390479912011]
The Population difference Criterion is proposed to evaluate the statistics importance of visually-observed subpopulation difference。高次元の文脈では、分布モデルは疑わしい。高信号の文脈では、従来の置換テストはペアワイズ比較が貧弱である。
論文参考訳（メタデータ） (2021-01-02T03:34:16Z)
When Relation Networks meet GANs: Relation GANs with Triplet Loss [110.7572918636599]
GAN(Generative Adversarial Network)の学習安定性はいまだに悩みの種である本稿では,判別器のための関係ネットワークアーキテクチャについて検討し,より優れた一般化と安定性を実現する三重項損失を設計する。ベンチマークデータセットの実験により、提案された関係判別器と新たな損失は、可変視覚タスクに大幅な改善をもたらすことが示された。
論文参考訳（メタデータ） (2020-02-24T11:35:28Z)

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。