論文の概要: Delta-Closure Structure for Studying Data Distribution
- arxiv url: http://arxiv.org/abs/2210.06926v1
- Date: Thu, 13 Oct 2022 11:50:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-14 17:47:27.765330
- Title: Delta-Closure Structure for Studying Data Distribution
- Title（参考訳）: データ分布研究のためのデルタクロージャ構造
- Authors: Aleksey Buzmakov, Tatiana Makhalova, Sergei O. Kuznetsov, Amedeo
Napoli
- Abstract要約: 我々は、クロージャ作用素の一般化である$Delta$-closednessを導入し、$Delta$はクロージャによって誘導される部分順序において、クロージャ集合が上位近傍とどのように異なるかを測定する。
Delta$-class of equivalenceには最小値と最大値の要素が含まれており、データの背後にある分布を特徴付けることができます。
Delta$-class of equivalence with a high level showeds correlations among many attribute, which are supported by more observed when $Delta$ is large。
- 参考スコア（独自算出の注目度）: 21.70710923045654
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we revisit pattern mining and study the distribution
underlying a binary dataset thanks to the closure structure which is based on
passkeys, i.e., minimum generators in equivalence classes robust to noise. We
introduce $\Delta$-closedness, a generalization of the closure operator, where
$\Delta$ measures how a closed set differs from its upper neighbors in the
partial order induced by closure. A $\Delta$-class of equivalence includes
minimum and maximum elements and allows us to characterize the distribution
underlying the data. Moreover, the set of $\Delta$-classes of equivalence can
be partitioned into the so-called $\Delta$-closure structure. In particular, a
$\Delta$-class of equivalence with a high level demonstrates correlations among
many attributes, which are supported by more observations when $\Delta$ is
large. In the experiments, we study the $\Delta$-closure structure of several
real-world datasets and show that this structure is very stable for large
$\Delta$ and does not substantially depend on the data sampling used for the
analysis.
- Abstract（参考訳）: 本稿では,パターンマイニングを再検討し,ノイズにロバストな同値クラスの最小生成器であるパスキーに基づくクロージャ構造により,バイナリデータセットの基盤となる分布について検討する。
閉包作用素の一般化である $\delta$-closedness を導入する。$\delta$ は閉集合が閉包によって引き起こされる部分順序においてその上辺とどのように異なるかを測定する。
等価値の$\delta$-クラスには最小要素と最大要素が含まれており、データの基盤となる分布を特徴付けることができる。
さらに、$\Delta$-classes of equivalenceの集合は、いわゆる$\Delta$-closure構造に分割することができる。
特に、$\Delta$-class of equivalence with a high level は多くの属性間の相関を示し、$\Delta$が大きければより多くの観測によって支持される。
実験では,複数の実世界のデータセットの$\Delta$-closure構造について検討し,この構造が大きな$\Delta$に対して非常に安定であり,解析に使用されるデータサンプリングに大きく依存していないことを示す。
関連論文リスト
- Identifying General Mechanism Shifts in Linear Causal Representations [58.6238439611389]
我々は,未知の潜在因子の線形混合を観測する線形因果表現学習環境について考察する。
近年の研究では、潜伏要因の復元や、それに基づく構造因果モデルの構築が可能であることが示されている。
非常に穏やかな標準仮定の下では、シフトしたノードの集合を識別することが可能である。
論文 参考訳（メタデータ） (2024-10-31T15:56:50Z) - Statistical-Computational Trade-offs for Density Estimation [60.81548752871115]
幅広い種類のデータ構造に対して、それらの境界は著しく改善されないことを示す。
これは密度推定のための新しい統計計算トレードオフである。
論文 参考訳（メタデータ） (2024-10-30T15:03:33Z) - Monge-Ampere Regularization for Learning Arbitrary Shapes from Point Clouds [69.69726932986923]
任意の曲面型をモデル化するための新しい暗黙曲面表現であるスケールド2乗距離関数 (S$2$DF) を提案する。
S$2$DFは、ゼロレベルセットでのUDFの非微分可能性問題に効果的に対処しながら、内部領域と外部領域を区別しない。
S$2$DF はモンゲ・アンペア型の二次偏微分方程式を満たすことを示した。
論文 参考訳（メタデータ） (2024-10-24T06:56:34Z) - Convergence Analysis of Probability Flow ODE for Score-based Generative Models [5.939858158928473]
確率フローODEに基づく決定論的サンプリング器の収束特性を理論的・数値的両面から検討する。
連続時間レベルでは、ターゲットと生成されたデータ分布の総変動を$mathcalO(d3/4delta1/2)$で表すことができる。
論文 参考訳（メタデータ） (2024-04-15T12:29:28Z) - A General Framework for Robust G-Invariance in G-Equivariant Networks [5.227502964814928]
群同変畳み込みニューラルネットワーク(G$-CNN)におけるロバストなグループ不変性を実現するための一般的な方法を提案する。
三重相関の完全性は、強い強靭性を持つ$G$-TC層を与える。
この手法の利点を可換群と非可換群の両方に示す。
論文 参考訳（メタデータ） (2023-10-28T02:27:34Z) - Data Structures for Density Estimation [66.36971978162461]
p$のサブリニア数($n$)が与えられた場合、主な結果は$k$のサブリニアで$v_i$を識別する最初のデータ構造になります。
また、Acharyaなどのアルゴリズムの改良版も提供します。
論文 参考訳（メタデータ） (2023-06-20T06:13:56Z) - Diffusion Maps for Group-Invariant Manifolds [1.90365714903665]
コンパクトリー群$K$の作用の下でデータセットが不変であるときの多様体学習問題を考える。
我々のアプローチは、既存のデータポイントの$K$-orbitsを積分することで、データ誘発グラフのラプラシアンを増大させることである。
正規化されたラプラシアン作用素 $L_N$ がデータ多様体のラプラス・ベルトラミ作用素に収束することを示す。
論文 参考訳（メタデータ） (2023-03-28T17:30:35Z) - Detection-Recovery Gap for Planted Dense Cycles [72.4451045270967]
期待帯域幅$n tau$とエッジ密度$p$をエルドホス=R'enyiグラフ$G(n,q)$に植え込むモデルを考える。
低次アルゴリズムのクラスにおいて、関連する検出および回復問題に対する計算しきい値を特徴付ける。
論文 参考訳（メタデータ） (2023-02-13T22:51:07Z) - Approximate Function Evaluation via Multi-Armed Bandits [51.146684847667125]
既知の滑らかな関数 $f$ の値を未知の点 $boldsymbolmu in mathbbRn$ で推定する問題について検討する。
我々は、各座標の重要性に応じてサンプルを学習するインスタンス適応アルゴリズムを設計し、少なくとも1-delta$の確率で$epsilon$の正確な推定値である$f(boldsymbolmu)$を返す。
論文 参考訳（メタデータ） (2022-03-18T18:50:52Z) - Faster Convergence of Local SGD for Over-Parameterized Models [1.5504102675587357]
現代の機械学習アーキテクチャは、しばしば非常に表現力が高い。
不均一なデータ設定における過パラメータ化関数に対する局所SGD(またはFedAvg)の収束を解析する。
一般凸損失関数に対しては、$O(K/T)$の誤差が成立する。
非剰余関数に対しては、どちらの場合も$O(K/T)$の誤差が証明される。
確立された収束率を、合理的に小さなステップサイズで一定の要因に密着した問題インスタンスを提供することで、結果を完成させる。
論文 参考訳（メタデータ） (2022-01-30T04:05:56Z) - Asymptotic Theory of $\ell_1$-Regularized PDE Identification from a
Single Noisy Trajectory [2.0299248281970956]
線形および非線形進化的偏微分方程式(PDE)の一般クラスに対する1つの雑音軌道からの支持回復を証明した。
Local-Polynomialフィルタによって定義される単一の軌道データから、$mathbfc(lambda)のサポートが基礎となるPDEに関連する真の署名サポートに$ally収束することを保証する十分な条件のセットを提供します。
論文 参考訳（メタデータ） (2021-03-12T02:23:04Z)
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。