論文の概要: Generalization Bounds for Set-to-Set Matching with Negative Sampling
- arxiv url: http://arxiv.org/abs/2302.12991v1
- Date: Sat, 25 Feb 2023 05:05:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-28 19:34:56.212439
- Title: Generalization Bounds for Set-to-Set Matching with Negative Sampling
- Title(参考訳): 負サンプリングによるセット対セットマッチングの一般化境界
- Authors: Masanari Kimura
- Abstract要約: 近年,セット・ツー・セット・マッチング(set-to-set matching)という2つの要素のマッチングの問題に大きな注目を集めている。
本稿では,そのタスクにおけるモデルの振る舞いを明らかにするために,セット・ツー・セットマッチングにおける一般化誤差解析を実行することを目的とする。
- 参考スコア(独自算出の注目度): 2.3859169601259347
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The problem of matching two sets of multiple elements, namely set-to-set
matching, has received a great deal of attention in recent years. In
particular, it has been reported that good experimental results can be obtained
by preparing a neural network as a matching function, especially in complex
cases where, for example, each element of the set is an image. However,
theoretical analysis of set-to-set matching with such black-box functions is
lacking. This paper aims to perform a generalization error analysis in
set-to-set matching to reveal the behavior of the model in that task.
- Abstract(参考訳): 集合から集合へのマッチングという2つの要素のマッチングの問題は近年大きな注目を集めている。
特に、特に集合の各要素が画像であるような複雑な場合において、ニューラルネットワークをマッチング関数として作成することにより、良好な実験結果が得られることが報告されている。
しかし、そのようなブラックボックス関数とのセット・ツー・セットマッチングの理論解析は欠如している。
本稿では,そのタスクにおけるモデルの振る舞いを明らかにするために,セット・ツー・セットマッチングにおける一般化誤差解析を実行することを目的とする。
関連論文リスト
- Cross-composition Feature Disentanglement for Compositional Zero-shot Learning [49.919635694894204]
合成ゼロショット学習(CZSL)において、プリミティブ(属性とオブジェクト)の視覚的特徴の歪みは例外的な結果を示した。
本稿では,複数のプリミティブ・シェアリング・コンポジションを入力とし,これらのコンポジションにまたがって一般化されるような不整合プリミティブ・コンポジションを制約するクロス・コンポジション・コンストラクション・ディエンタングルメントの解を提案する。
論文 参考訳(メタデータ) (2024-08-19T08:23:09Z) - Concomitant Group Testing [49.50984893039441]
肯定的なテストが複数種類の項目の組み合わせを必要とするという考え方を捉えたグループテストの問題のバリエーションを紹介した。
目標は、可能な限り少数のテストを使用して、半欠陥セットをすべて確実に識別することである。
我々のアルゴリズムは、(i)決定性(ゼロエラー)かランダム化(小エラー)か、(ii)非適応性(非適応性)、完全適応性(完全適応性)、あるいは限定適応性(限定適応性)かによって区別される。
論文 参考訳(メタデータ) (2023-09-08T09:11:12Z) - Mutual Exclusivity Training and Primitive Augmentation to Induce
Compositionality [84.94877848357896]
最近のデータセットは、標準的なシーケンス・ツー・シーケンスモデルにおける体系的な一般化能力の欠如を露呈している。
本稿では,セq2seqモデルの振る舞いを分析し,相互排他バイアスの欠如と全例を記憶する傾向の2つの要因を同定する。
広範に使用されている2つの構成性データセット上で、標準的なシーケンス・ツー・シーケンスモデルを用いて、経験的改善を示す。
論文 参考訳(メタデータ) (2022-11-28T17:36:41Z) - Deep Probabilistic Graph Matching [72.6690550634166]
本稿では,マッチング制約を伴わずに,元のQAPに適合する深層学習ベースのグラフマッチングフレームワークを提案する。
提案手法は,一般的な3つのベンチマーク(Pascal VOC,Wilow Object,SPair-71k)で評価され,すべてのベンチマークにおいて過去の最先端よりも優れていた。
論文 参考訳(メタデータ) (2022-01-05T13:37:27Z) - Further Generalizations of the Jaccard Index [1.0152838128195467]
2つの集合間の類似性を定量化することは、集合論を含むいくつかの理論的および応用的な問題において特に興味深く有用な操作を構成する。
ジャカード指数は最も多様な種類の問題に広く使われ、またそれぞれの一般化を動機付けている。
また、これらの指標は、モデリングアプローチやパターン認識活動におけるデータセットの分析と統合において重要な役割を果たす可能性があると仮定されている。
論文 参考訳(メタデータ) (2021-10-18T20:52:38Z) - Group-matching algorithms for subjects and items [6.739368462094944]
得られた群が平均値に対して統計的に類似しているような整合群を構築するという問題を考察する。
実世界および実世界のデータセットを用いて,ldamatchパッケージが高品質なマッチングを生成することを示す。
論文 参考訳(メタデータ) (2021-10-09T02:44:31Z) - A Dataset-Level Geometric Framework for Ensemble Classifiers [0.76146285961466]
多数決と重み付けされた多数決は、アンサンブル学習で一般的に使用される2つの組み合わせスキームである。
本稿では,これら2つの組み合わせスキームの特性群を,データセットレベルの幾何学的枠組みの下で正式に提示する。
論文 参考訳(メタデータ) (2021-06-16T09:48:12Z) - Compositional ADAM: An Adaptive Compositional Solver [69.31447856853833]
C-ADAMは、期待値の非線形機能ネストを含む構成問題に対する最初の適応的解法である。
C-ADAM は $mathcalO(delta-2.25)$ の定常点に収束し、$delta$ は精度パラメータであることを示す。
論文 参考訳(メタデータ) (2020-02-10T14:00:45Z) - Learn to Predict Sets Using Feed-Forward Neural Networks [63.91494644881925]
本稿では、ディープフィードフォワードニューラルネットワークを用いた設定予測の課題に対処する。
未知の置換と基数を持つ集合を予測するための新しい手法を提案する。
関連視覚問題に対する集合定式化の有効性を実証する。
論文 参考訳(メタデータ) (2020-01-30T01:52:07Z)
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。