論文の概要: The Joint Weighted Average (JWA) Operator
- arxiv url: http://arxiv.org/abs/2302.11885v1
- Date: Thu, 23 Feb 2023 09:48:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-24 15:42:51.756904
- Title: The Joint Weighted Average (JWA) Operator
- Title(参考訳): ジョイント重み付け平均(jwa)オペレーター
- Authors: Stephen B. Broomell, Christian Wagner
- Abstract要約: 情報収集は人間と機械の意思決定に不可欠なツールである。
伝統的に、アグリゲーションのアプローチは2つのカテゴリに分かれている。
このオペレータが、ソースとエビデンスの両方の価値に関する事前の信念を統合するための体系的なアプローチを提供する方法を示します。
- 参考スコア(独自算出の注目度): 4.295919632992708
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Information aggregation is a vital tool for human and machine decision
making, especially in the presence of noise and uncertainty. Traditionally,
approaches to aggregation broadly diverge into two categories, those which
attribute a worth or weight to information sources and those which attribute
said worth to the evidence arising from said sources. The latter is pervasive
in particular in the physical sciences, underpinning linear order statistics
and enabling non-linear aggregation. The former is popular in the social
sciences, providing interpretable insight on the sources. Thus far, limited
work has sought to integrate both approaches, applying either approach to a
different degree. In this paper, we put forward an approach which
integrates--rather than partially applies--both approaches, resulting in a
novel joint weighted averaging operator. We show how this operator provides a
systematic approach to integrating a priori beliefs about the worth of both
source and evidence by leveraging compositional geometry--producing results
unachievable by traditional operators. We conclude and highlight the potential
of the operator across disciplines, from machine learning to psychology.
- Abstract(参考訳): 情報収集は人や機械による意思決定、特にノイズや不確実性の存在において重要なツールである。
伝統的に、アグリゲーションのアプローチは、情報ソースに価値または重みを付与するものと、その情報源から生じる証拠に価値を付与するものの2つのカテゴリに大別される。
後者は特に物理科学において広く普及し、線形次数統計学を基礎とし、非線形集計を可能にする。
前者は社会科学で人気があり、情報源について解釈可能な洞察を提供する。
これまでのところ、限定的な作業は両方のアプローチを統合することを目指しており、どちらのアプローチも異なる程度に適用している。
本稿では, 両者のアプローチを部分的に適用するのではなく, 統合する手法を提案し, 新たに重み付け平均演算子を開発した。
この演算子は,従来の演算子では実現できない合成幾何生成結果を活用することで,ソースとエビデンスの両方の価値に関する先行的信念を統合するための体系的アプローチを提供する。
我々は、機械学習から心理学まで、分野をまたがるオペレーターの可能性を結論付け、強調する。
関連論文リスト
- Informed Meta-Learning [65.268245109828]
メタラーニングとインシデントMLは、事前知識をMLパイプラインに組み込むための2つのアプローチとして際立っている。
本稿では,タスク間の知識共有の相補性を求める,メタラーニングのための新しいハイブリッドパラダイムを提案する。
観測騒音に対するデータ効率とロバスト性を改善する上で,情報メタラーニングの潜在的な利点を実証する。
論文 参考訳(メタデータ) (2024-02-25T15:08:37Z) - TRIAD: Automated Traceability Recovery based on Biterm-enhanced
Deduction of Transitive Links among Artifacts [53.92293118080274]
トレーサビリティにより、ステークホルダは、ソフトウェアライフサイクル全体で導入されたソフトウェアアーティファクト間のトレースリンクを抽出し、理解することができます。
ほとんどの場合、Information Retrieval (IR) など、ソフトウェアアーティファクト間のテキストの類似性に依存している。
論文 参考訳(メタデータ) (2023-12-28T06:44:24Z) - Bias and Fairness in Large Language Models: A Survey [76.65471160523444]
本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。
まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。
次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
論文 参考訳(メタデータ) (2023-09-02T00:32:55Z) - OTIEA:Ontology-enhanced Triple Intrinsic-Correlation for Cross-lingual
Entity Alignment [12.054806502375575]
十分な外部リソースを持たない言語間およびドメイン間の知識アライメントは、基本的で決定的な課題である。
本稿では、オントロジー対と三重認識による役割強化機構に基づく新しいユニバーサルEAフレームワーク(OTIEA)を提案する。
実世界の3つのデータセットに対する実験結果から,本フレームワークはベースラインと比較して競争性能が向上することが示された。
論文 参考訳(メタデータ) (2023-05-02T16:03:54Z) - Knowledge Graph Embedding Methods for Entity Alignment: An Experimental
Review [7.241438112282638]
我々は、エンティティアライメントのための一般的な埋め込み手法の最初のメタレベル解析を行う。
KGsにより抽出された様々なメタ機能と異なる埋め込み手法の統計的に有意な相関関係が明らかとなった。
テストベッドの全現実世界のKGで有効性に応じて統計的に有意なランク付けを行う。
論文 参考訳(メタデータ) (2022-03-17T12:11:58Z) - Learning Bias-Invariant Representation by Cross-Sample Mutual
Information Minimization [77.8735802150511]
対象タスクが誤用したバイアス情報を除去するために,クロスサンプル対逆脱バイアス法(CSAD)を提案する。
相関測定は, 対向的偏り評価において重要な役割を担い, クロスサンプル型相互情報推定器によって行われる。
我々は,提案手法の最先端手法に対する利点を検証するために,公開データセットの徹底的な実験を行った。
論文 参考訳(メタデータ) (2021-08-11T21:17:02Z) - Operational quantification of continuous-variable quantum resources [6.308539010172309]
本稿では, 連続変数量子系の資源定量化手法を提案する。
このロバスト性は、どんな凸資源理論においても、よく研究されているボナ・フェイド資源定量器を構成することを示す。
論文 参考訳(メタデータ) (2020-09-23T18:00:03Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳(メタデータ) (2020-07-07T17:19:56Z) - Universal Source-Free Domain Adaptation [57.37520645827318]
ドメイン適応のための新しい2段階学習プロセスを提案する。
Procurementの段階では、今後のカテゴリギャップやドメインシフトに関する事前知識を前提とせず、将来的なソースフリーデプロイメントのためのモデルの提供を目標としています。
Deploymentの段階では、幅広いカテゴリギャップをまたいで動作可能な統一適応アルゴリズムを設計することを目的としている。
論文 参考訳(メタデータ) (2020-04-09T07:26:20Z) - Understanding Global Feature Contributions With Additive Importance
Measures [14.50261153230204]
我々は,各特徴に関連付けられた予測力を通じて,特徴の重要性を定義する視点について検討する。
予測力(モデルベースと普遍性)の2つの概念を導入し、付加的重要度尺度の枠組みを用いてこのアプローチを定式化する。
次に,機能的相互作用を考慮に入れながら予測力を定量化するモデルに依存しないSAGEを提案する。
論文 参考訳(メタデータ) (2020-04-01T19:17:58Z)
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。