論文の概要: How to solve a classification problem using a cooperative tiling
Multi-Agent System?
- arxiv url: http://arxiv.org/abs/2209.14239v1
- Date: Thu, 15 Sep 2022 09:35:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 23:31:43.656034
- Title: How to solve a classification problem using a cooperative tiling
Multi-Agent System?
- Title(参考訳): 協調型マルチエージェントシステムを用いた分類問題の解法
- Authors: Thibault Fourez (IRIT-SMAC), Nicolas Verstaevel (IRIT-SMAC),
Fr\'ed\'eric Migeon (IRIT-SMAC), Fr\'ed\'eric Schettini, Fr\'ed\'eric Amblard
(IRIT-SMAC)
- Abstract要約: 本稿では,分類問題を入力変数空間の協調タイリングに変換する枠組みを提案する。
線形分離性の異なる3種類のベンチマーク玩具問題に対して,オンライン非線形分類に線形分類器を用いることが可能であることを示す。
- 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: Adaptive Multi-Agent Systems (AMAS) transform dynamic problems into problems
of local cooperation between agents. We present smapy, an ensemble based AMAS
implementation for mobility prediction, whose agents are provided with machine
learning models in addition to their cooperation rules. With a detailed
methodology, we propose a framework to transform a classification problem into
a cooperative tiling of the input variable space. We show that it is possible
to use linear classifiers for online non-linear classification on three
benchmark toy problems chosen for their different levels of linear
separability, if they are integrated in a cooperative Multi-Agent structure.
The results obtained show a significant improvement of the performance of
linear classifiers in non-linear contexts in terms of classification accuracy
and decision boundaries, thanks to the cooperative approach.
- Abstract(参考訳): 適応多エージェントシステム(AMAS)は動的問題をエージェント間の局所的な協調の問題に変換する。
エージェントに協調ルールに加えて機械学習モデルを提供する移動予測のためのアンサンブルベースのAMAS実装であるsmapyを提案する。
詳細な手法を用いて,分類問題を入力変数空間の協調的タイリングに変換する枠組みを提案する。
協調型マルチエージェント構造に統合された場合, 線形分離性の異なる3種類のベンチマーク玩具問題に対して, オンライン非線形分類に線形分類器を用いることが可能であることを示す。
その結果,非線形文脈における線形分類器の性能は,協調的アプローチにより,分類精度と決定境界の観点から有意に向上した。
関連論文リスト
- Lp-Norm Constrained One-Class Classifier Combination [18.27510863075184]
アンサンブルの空間/均一性をモデル化し,一級分類問題を考える。
定式化凸制約問題の解法を効果的に提案する。
論文 参考訳(メタデータ) (2023-12-25T16:32:34Z) - Robust Twin Parametric Margin Support Vector Machine for Multiclass
Classification [0.0]
マルチクラス分類の問題に対処するために,Twin Parametric-Margin Support Vector Machine (TPMSVM) モデルを提案する。
実世界のデータセットに対する予備計算実験は,提案手法の優れた性能を示す。
論文 参考訳(メタデータ) (2023-06-09T19:27:24Z) - On the existence of solutions to adversarial training in multiclass
classification [0.0]
多クラス分類における敵対的訓練の問題の3つのモデルにおいて,ボレル可測なロバスト分類器の存在を証明した。
結果のまとめとして、二項分類設定における不可逆的対数訓練問題に対するボレル可測解の存在を証明した。
論文 参考訳(メタデータ) (2023-04-28T20:03:30Z) - Adaptive Multi-Agent Continuous Learning System [1.2752808844888015]
本稿では,自己教師型クラスタリング認識システムを提案する。
このシステムは、いくつかの異なる機能エージェントを使用して、環境の多様な要求に対処する適応性を改善するための接続構造を構築するように設計されている。
論文 参考訳(メタデータ) (2022-12-15T07:39:50Z) - Relational Reasoning via Set Transformers: Provable Efficiency and
Applications to MARL [154.13105285663656]
置換不変エージェントフレームワークを用いたMARL(Multi-A gent R einforcement Learning)は,実世界のアプリケーションにおいて大きな実証的成功を収めた。
残念なことに、このMARL問題の理論的理解は、多くのエージェントの呪いと、既存の著作における関係推論の限定的な探索によって欠落している。
モデルフリーアルゴリズムとモデルベースアルゴリズムの最適度差は各エージェント数に独立して対数的であり、多くのエージェントの呪いを和らげる。
論文 参考訳(メタデータ) (2022-09-20T16:42:59Z) - An ensemble Multi-Agent System for non-linear classification [0.0]
smapyは、移動予測のためのアンサンブルベースのAMAS実装である。
ベンチマークトランスポートモード検出データセットの非線形分類に線形モデルを用いることが可能であることを示す。
論文 参考訳(メタデータ) (2022-09-14T08:22:11Z) - Slimmable Domain Adaptation [112.19652651687402]
重み付けモデルバンクを用いて、ドメイン間の一般化を改善するためのシンプルなフレームワーク、Slimmable Domain Adaptationを導入する。
私たちのフレームワークは、他の競合するアプローチを、複数のベンチマークにおいて非常に大きなマージンで上回ります。
論文 参考訳(メタデータ) (2022-06-14T06:28:04Z) - Semi-supervised Domain Adaptive Structure Learning [72.01544419893628]
半教師付きドメイン適応 (SSDA) は,1) アノテーションの低いデータに過度に適合する手法と,2) ドメイン間の分散シフトの両方を克服しなければならない課題である。
SSLとDAの協調を正規化するための適応型構造学習手法を提案する。
論文 参考訳(メタデータ) (2021-12-12T06:11:16Z) - Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。
我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。
コア最適化問題の実用的なパラメトリゼーションを提供する。
論文 参考訳(メタデータ) (2021-07-08T18:01:02Z) - Semantic Correspondence with Transformers [68.37049687360705]
本稿では,変換器を用いたコストアグリゲーション(CAT)を提案し,意味論的に類似した画像間の密接な対応を見出す。
初期相関マップと多レベルアグリゲーションを曖昧にするための外観親和性モデリングを含む。
提案手法の有効性を示す実験を行い,広範囲にわたるアブレーション研究を行った。
論文 参考訳(メタデータ) (2021-06-04T14:39:03Z) - Convolutional Dynamic Alignment Networks for Interpretable
Classifications [108.83345790813445]
我々は、畳み込み動的アライメントネットワーク(CoDA-Nets)と呼ばれる新しいニューラルネットワークモデルを紹介する。
コアとなるビルディングブロックは動的アライメントユニット(DAU)で、入力をタスク関連パターンと動的に整合する重みベクトルで線形に変換する。
CoDA-Netsは一連の入力依存線形変換を通じて分類予測をモデル化し、出力を個々の入力コントリビューションに線形分解することができる。
論文 参考訳(メタデータ) (2021-03-31T18:03:53Z)
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。