論文の概要: Automatic classification of deformable shapes
- arxiv url: http://arxiv.org/abs/2211.02530v1
- Date: Fri, 4 Nov 2022 15:44:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 16:36:49.286835
- Title: Automatic classification of deformable shapes
- Title(参考訳): 変形可能な形状の自動分類
- Authors: Hossein Dabirian and Radmir Sultamuratov and James Herring and Carlos
El Tallawi and William Zoghbi and Andreas Mang and Robert Azencott
- Abstract要約: $mathcalD$ を滑らかな 3D 曲面のデータセットとし、非結合クラス $mathitCL_j$, $j= 1, ldots, k$ に分割する。
算術D$の多くのペアに対して微分同型登録がいかに最適化されたかを示し、$mathcalD$に自動分類を実装する。
我々は$mathbbR3$の剛運動で不変な分類子を生成する。
- 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: Let $\mathcal{D}$ be a dataset of smooth 3D-surfaces, partitioned into
disjoint classes $\mathit{CL}_j$, $j= 1, \ldots, k$. We show how optimized
diffeomorphic registration applied to large numbers of pairs $S,S' \in
\mathcal{D}$ can provide descriptive feature vectors to implement automatic
classification on $\mathcal{D}$, and generate classifiers invariant by rigid
motions in $\mathbb{R}^3$. To enhance accuracy of automatic classification, we
enrich the smallest classes $\mathit{CL}_j$ by diffeomorphic interpolation of
smooth surfaces between pairs $S,S' \in \mathit{CL}_j$. We also implement small
random perturbations of surfaces $S\in \mathit{CL}_j$ by random flows of smooth
diffeomorphisms $F_t:\mathbb{R}^3 \to \mathbb{R}^3$. Finally, we test our
automatic classification methods on a cardiology data base of discretized
mitral valve surfaces.
- Abstract(参考訳): {\mathcal{d}$ を滑らかな 3d-surfaces のデータセットとし、disjointクラス $\mathit{cl}_j$, $j= 1, \ldots, k$ に分割する。
多数のペアに対して最適化されたディフェノフィック登録を施す方法を示す: $s,s' \in \mathcal{d}$ は、$\mathcal{d}$ の自動分類を実装する記述的特徴ベクトルを提供し、$\mathbb{r}^3$ における剛的動きによって不変な分類器を生成する。
自動分類の精度を高めるために、最小クラス $\mathit{CL}_j$ をペア $S,S' \in \mathit{CL}_j$ 間の滑らかな曲面の微分型補間により拡張する。
また、滑らかな微分同相のランダムフロー$F_t:\mathbb{R}^3 \to \mathbb{R}^3$により、曲面の小さな乱摂動を$S\in \mathit{CL}_j$で実装する。
最後に, 離散化僧帽弁表面の心臓病データベース上で, 自動分類法をテストする。
関連論文リスト
- Provably learning a multi-head attention layer [55.2904547651831]
マルチヘッドアテンション層は、従来のフィードフォワードモデルとは分離したトランスフォーマーアーキテクチャの重要な構成要素の1つである。
本研究では,ランダムな例から多面的注意層を実証的に学習する研究を開始する。
最悪の場合、$m$に対する指数的依存は避けられないことを示す。
論文 参考訳(メタデータ) (2024-02-06T15:39:09Z) - Learning linear dynamical systems under convex constraints [5.025654873456756]
線形力学系を単一軌道の$T$サンプルから同定する問題を考察する。
フロベニウスノルムの非漸近誤差境界は、$A*$で$mathcalK$の局所サイズに依存する。
論文 参考訳(メタデータ) (2023-03-27T11:49:40Z) - Statistical learning on measures: an application to persistence diagrams [0.0]
有限次元ユークリッド空間にデータを持つ代わりに、コンパクト空間 $mathcalX$ の測度を観測するバイナリ教師付き学習分類問題を考える。
当社のフレームワークは,私たちが対処可能な入力データに対して,より柔軟性と多様性を実現しています。
このようなフレームワークは多くの可能なアプリケーションを持っていますが、この作業は永続図と呼ばれるトポロジ的記述子によるデータの分類に強く重点を置いています。
論文 参考訳(メタデータ) (2023-03-15T09:01:37Z) - Statistical Learning under Heterogeneous Distribution Shift [71.8393170225794]
ground-truth predictor is additive $mathbbE[mathbfz mid mathbfx,mathbfy] = f_star(mathbfx) +g_star(mathbfy)$.
論文 参考訳(メタデータ) (2023-02-27T16:34:21Z) - Learning a Single Neuron with Adversarial Label Noise via Gradient
Descent [50.659479930171585]
モノトン活性化に対する $mathbfxmapstosigma(mathbfwcdotmathbfx)$ の関数について検討する。
学習者の目標は仮説ベクトル $mathbfw$ that $F(mathbbw)=C, epsilon$ を高い確率で出力することである。
論文 参考訳(メタデータ) (2022-06-17T17:55:43Z) - Metric Hypertransformers are Universal Adapted Maps [4.83420384410068]
メートル法ハイパートランスフォーマー(MHT)は、任意の適応マップを近似可能な複雑性で、$F:mathscrXmathbbZrightarrow数学scrYmathbbZ$を近似することができる。
我々の結果は、そのような$mathscrX$ および $mathscrY$ と互換性のある最初の(近似的な)普遍近似定理を提供する。
論文 参考訳(メタデータ) (2022-01-31T10:03:46Z) - Random matrices in service of ML footprint: ternary random features with
no performance loss [55.30329197651178]
我々は、$bf K$ の固有スペクトルが$bf w$ の i.d. 成分の分布とは独立であることを示す。
3次ランダム特徴(TRF)と呼ばれる新しいランダム手法を提案する。
提案したランダムな特徴の計算には乗算が不要であり、古典的なランダムな特徴に比べてストレージに$b$のコストがかかる。
論文 参考訳(メタデータ) (2021-10-05T09:33:49Z) - Spectral properties of sample covariance matrices arising from random
matrices with independent non identically distributed columns [50.053491972003656]
関数 $texttr(AR(z))$, for $R(z) = (frac1nXXT- zI_p)-1$ and $Ain mathcal M_p$ deterministic, have a standard deviation of order $O(|A|_* / sqrt n)$.
ここでは、$|mathbb E[R(z)] - tilde R(z)|_F を示す。
論文 参考訳(メタデータ) (2021-09-06T14:21:43Z) - Learners' languages [0.0]
著者らは、深層学習の基本的な要素である勾配降下とバックプロパゲーションは、強いモノイド関手として概念化できることを示した。
我々は$Ato B$ in $mathbfPara(mathbfSLens)$の写像が動的系の観点から自然な解釈を持っていることを示した。
論文 参考訳(メタデータ) (2021-03-01T18:34:00Z) - Learning a Lie Algebra from Unlabeled Data Pairs [7.329382191592538]
深層畳み込みネットワーク (convnets) は、非絡み合った表現を学習する顕著な能力を示している。
本稿では,空間$mathbbRn$の非線形変換を発見する機械学習手法を提案する。
鍵となる考え方は、すべてのターゲット $boldsymboly_i$ を $boldsymbolwidetildey_i = boldsymbolphi(t_i) boldsymbolx_i$ という形の行列ベクトル積で近似することである。
論文 参考訳(メタデータ) (2020-09-19T23:23:52Z) - A Randomized Algorithm to Reduce the Support of Discrete Measures [79.55586575988292]
離散確率測度が$N$原子と$n$実数値関数の集合で成り立つと、元の$N$原子の$n+1$の部分集合で支えられる確率測度が存在する。
我々は、負の円錐によるバリセンターの簡単な幾何学的特徴付けを与え、この新しい測度を「グリード幾何学的サンプリング」によって計算するランダム化アルゴリズムを導出する。
次に、その性質を研究し、それを合成および実世界のデータにベンチマークして、$Ngg n$ regimeにおいて非常に有益であることを示す。
論文 参考訳(メタデータ) (2020-06-02T16:38:36Z)
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。