Fugu-MT 論文翻訳(概要): Blind Polynomial Regression

論文の概要: Blind Polynomial Regression

arxiv url: http://arxiv.org/abs/2210.11874v1
Date: Fri, 21 Oct 2022 10:54:35 GMT
ステータス: 処理完了
システム内更新日: 2022-10-24 14:27:23.721393
Title: Blind Polynomial Regression
Title（参考訳）: ブラインド多項式回帰
Authors: Alberto Natali and Geert Leus
Abstract要約: 我々は(潜在的に部分的な)ブラインド回帰問題を述べ、その理論的性質の一部をレンダリングし、それを解決するアルゴリズム的アプローチを提案する。ケーススタディとして,ジッタ補正問題に適用し,その性能を相関させる。
参考スコア（独自算出の注目度）: 28.35687689204994
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Fitting a polynomial to observed data is an ubiquitous task in many signal processing and machine learning tasks, such as interpolation and prediction. In that context, input and output pairs are available and the goal is to find the coefficients of the polynomial. However, in many applications, the input may be partially known or not known at all, rendering conventional regression approaches not applicable. In this paper, we formally state the (potentially partial) blind regression problem, illustrate some of its theoretical properties, and propose algorithmic approaches to solve it. As a case-study, we apply our methods to a jitter-correction problem and corroborate its performance.
Abstract（参考訳）: 多項式を観測データに当てはめることは、補間や予測のような多くの信号処理や機械学習タスクにおいてユビキタスなタスクである。その文脈では、入力と出力のペアが利用可能であり、ゴールは多項式の係数を見つけることである。しかし、多くの応用において、入力は部分的には知られ、全く知られておらず、従来の回帰アプローチは適用されない。本稿では,(潜在的に部分的な)ブラインド回帰問題を形式的に定式化し,その理論的性質を説明するとともに,その解法を提案する。ケーススタディとして,提案手法をジッタ補正問題に適用し,その性能を検証した。

関連論文リスト

Learning Linear Attention in Polynomial Time [115.68795790532289]
線形注意を持つ単層変圧器の学習性に関する最初の結果を提供する。線形アテンションは RKHS で適切に定義された線形予測器とみなすことができる。我々は,すべての経験的リスクが線形変換器と同等のトレーニングデータセットを効率的に識別する方法を示す。
論文参考訳（メタデータ） (2024-10-14T02:41:01Z)
Optimizing Solution-Samplers for Combinatorial Problems: The Landscape of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文参考訳（メタデータ） (2023-10-08T23:39:38Z)
Learning Functional Transduction [9.926231893220063]
そこで本研究では,トランスダクティブ回帰の原理を勾配降下によりメタ学習し,より効率的なインコンテキスト・ニューラル近似器を構築できることを示す。我々は、データが少ない外部要因の影響を受け、複雑な物理システムをモデル化するためのメタ学習型トランスダクティブアプローチの利点を実証する。
論文参考訳（メタデータ） (2023-02-01T09:14:28Z)
SARAH-based Variance-reduced Algorithm for Stochastic Finite-sum Cocoercive Variational Inequalities [137.6408511310322]
有限サムコヒーレンシブ変分不等式の問題を考える。強い単調な問題に対しては、この方法を用いて解への線形収束を達成することができる。
論文参考訳（メタデータ） (2022-10-12T08:04:48Z)
Sparse Polynomial Optimization: Theory and Practice [5.27013884159732]
本書は、この課題に重要な科学的意味を持って取り組むためのいくつかの取り組みを提示している。これは計算複雑性の観点からうまくスケールする代替の最適化スキームを提供する。制約のない問題や制約のない問題に対して、緩和の疎開的階層を提示する。
論文参考訳（メタデータ） (2022-08-23T18:56:05Z)
Towards a mathematical framework to inform Neural Network modelling via Polynomial Regression [0.0]
特定の条件が局所的に満たされた場合、ほぼ同一の予測が可能であることが示されている。生成したデータから学習すると,そのデータを局所的に近似的に生成する。
論文参考訳（メタデータ） (2021-02-07T17:56:16Z)
Computational Barriers to Estimation from Low-Degree Polynomials [81.67886161671379]
本研究では,隠れ構造物の存在を検知する作業において,低次構造物のパワーについて検討する。大規模な「信号+雑音」問題に対して、任意の程度に達成可能な最良の平均二乗誤差に対して、ユーザフレンドリな下界を与える。応用として,植込みサブマトリクスに対する低次平均2乗誤差の厳密な評価と高密度サブグラフ問題について述べる。
論文参考訳（メタデータ） (2020-08-05T17:52:10Z)
Multipole Graph Neural Operator for Parametric Partial Differential Equations [57.90284928158383]
物理系をシミュレーションするためのディープラーニングベースの手法を使用する際の大きな課題の1つは、物理ベースのデータの定式化である。線形複雑度のみを用いて、あらゆる範囲の相互作用をキャプチャする、新しいマルチレベルグラフニューラルネットワークフレームワークを提案する。実験により, 離散化不変解演算子をPDEに学習し, 線形時間で評価できることを確認した。
論文参考訳（メタデータ） (2020-06-16T21:56:22Z)
Marginal likelihood computation for model selection and hypothesis testing: an extensive review [66.37504201165159]
この記事では、このトピックの最先端に関する総合的な研究について紹介する。さまざまなテクニックの制限、メリット、コネクション、差異を強調します。また、不適切な事前利用の問題や解決法についても述べる。
論文参考訳（メタデータ） (2020-05-17T18:31:58Z)
An implicit function learning approach for parametric modal regression [36.568208312835196]
我々は暗黙の関数定理を用いて目的を定め、入力や目標に対する合同関数を学習する。提案手法は,多値関数を学習し,条件付きモードを生成できる,いくつかの合成問題を実証的に実証する。
論文参考訳（メタデータ） (2020-02-14T00:37:41Z)

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。