論文の概要: The Joint Weighted Average (JWA) Operator

• arxiv url: http://arxiv.org/abs/2302.11885v2
• Date: Thu, 2 May 2024 18:03:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-06 18:26:14.445442
• Title: The Joint Weighted Average (JWA) Operator
• Title（参考訳）: JWA(Joint Weighted Average)演算子
• Authors: Stephen B. Broomell, Christian Wagner,
• Abstract要約: 情報収集は、不確実性の存在下で人や機械による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。 ここでは、両手法を新しい結合重み付き平均演算子に概念的に統合する。
• 参考スコア（独自算出の注目度）: 3.2235698966772954
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Information aggregation is a vital tool for human and machine decision making in the presence of 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 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. While prior work has identified the need to apply both approaches simultaneously, it has yet to conceptually integrate both approaches and provide a semantic interpretation of the arising aggregation approach. Here, we conceptually integrate both approaches in a novel joint weighted averaging operator. We leverage compositional geometry to underpin this integration, showing how it provides a systematic basis for the combination of weighted aggregation operators--which has thus far not been considered in the literature. We proceed to show how the resulting operator systematically integrates a priori beliefs about the worth of both sources and evidence, reflecting the semantic integration of both weighting strategies. 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、不確実性の存在下で人や機械による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、情報ソースに価値または重みがあるものと、その情報源から得られた証拠に価値があるとされるものという2つのカテゴリに大別される。 後者は物理科学において広く普及し、線形順序統計学の基盤となり、非線形アグリゲーションを可能にしている。 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。 先行研究では、両方のアプローチを同時に適用する必要性が特定されているが、概念的には両方のアプローチを統合し、生じる集約アプローチのセマンティック解釈を提供していない。 ここでは、両手法を新しい結合重み付き平均化演算子に概念的に統合する。 我々は、この積分の基盤となる構成幾何学を活用し、それが重み付けされた集約演算子の組み合わせの体系的な基礎を提供することを示す。 得られた演算子がどのように、情報源と証拠の両方の価値についての事前の信念を体系的に統合し、両方の重み付け戦略のセマンティックな統合を反映しているかを示す。 我々は、機械学習から心理学まで、さまざまな分野のオペレーターの可能性を結論し、強調する。

関連論文リスト

• Tübingen-CL at SemEval-2024 Task 1:Ensemble Learning for Semantic Relatedness Estimation [0.0]
  本稿では,文対の関連性を予測することを目的としたSemEval-2024 Task 1を提案する。 我々は,関係性の予測のために,統計テキストの特徴や深層学習モデルの出力など,様々なシステムを統合するアンサンブルアプローチを採用する。
  論文  参考訳（メタデータ） (2024-10-14T14:56:51Z)
• Accelerated Stochastic ExtraGradient: Mixing Hessian and Gradient Similarity to Reduce Communication in Distributed and Federated Learning [50.382793324572845]
  分散コンピューティングはデバイス間の通信を伴うため、効率性とプライバシという2つの重要な問題を解決する必要がある。 本稿では,データ類似性とクライアントサンプリングのアイデアを取り入れた新しい手法について分析する。 プライバシー問題に対処するために,付加雑音の手法を適用し,提案手法の収束への影響を解析する。
  論文  参考訳（メタデータ） (2024-09-22T00:49:10Z)
• A Statistical Framework for Data-dependent Retrieval-Augmented Models [46.781026675083254]
  最新のMLシステムは、最終的な予測を強化するために、追加の関連情報によって入力インスタンスを増大させる。 本研究では,1)データ依存メトリックを用いて大規模コーパスから関連する情報を識別するエム検索器,2)検索した情報とともに入力インスタンスを消費し最終的な予測を行うエム予測器,の2つのコンポーネントを用いたモデルについて検討する。
  論文  参考訳（メタデータ） (2024-08-27T20:51:06Z)
• Semantic-Enhanced Relational Metric Learning for Recommender Systems [27.330164862413184]
  近年,知識グラフの翻訳機構に触発された推薦コミュニティにおいて,計量学習手法が注目されている。 本稿では,推薦システムにおける問題に対処するためのセマンティック拡張メトリックラーニングフレームワークを提案する。 具体的には、まず、豊富な特徴とパーソナライズされたユーザー嗜好を含む対象レビューから意味信号を抽出する。 次に、抽出した意味信号を利用して、新しい回帰モデルを設計し、元の関係に基づくトレーニングプロセスの識別能力を向上させる。
  論文  参考訳（メタデータ） (2024-06-07T11:54:50Z)
• Towards Distribution-Agnostic Generalized Category Discovery [51.52673017664908]
  データ不均衡とオープンエンドの分布は、現実の視覚世界の本質的な特性である。 我々は,BaCon(Self-Balanced Co-Advice contrastive framework)を提案する。 BaConは、対照的な学習ブランチと擬似ラベルブランチで構成され、DA-GCDタスクを解決するためのインタラクティブな監視を提供するために協力して動作する。
  論文  参考訳（メタデータ） (2023-10-02T17:39:58Z)
• Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
  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)
• 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)
• Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis [96.53859361560505]
  本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。 KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。 3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2022-01-13T08:25:53Z)
• Counterfactual Representation Learning with Balancing Weights [74.67296491574318]
  観察データによる因果推論の鍵は、それぞれの治療タイプに関連する予測的特徴のバランスを達成することである。 近年の文献では、この目標を達成するために表現学習を探求している。 因果効果を柔軟かつスケーラブルかつ正確に推定するアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-10-23T19:06:03Z)
• 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)
• Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
  本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。 具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
  論文  参考訳（メタデータ） (2020-03-09T15:04:07Z)

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。