論文の概要: Generalized partitioned local depth
- arxiv url: http://arxiv.org/abs/2303.10167v4
- Date: Tue, 14 Nov 2023 14:08:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-15 19:16:08.119793
- Title: Generalized partitioned local depth
- Title(参考訳): 一般化分割局所深さ
- Authors: Kenneth S. Berenhaut, John D. Foley and Liangdongsheng Lyu
- Abstract要約: 我々は、最近ベレンハウト、ムーア、メルヴィンによって導入された凝集の概念の一般化を提供する。
この作業は、分割された局所的な深さの基礎に光を当て、元のアイデアを拡張し、不確実で可変的で潜在的に矛盾する情報に対する確率論的考察を可能にする。
- 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: In this paper we provide a generalization of the concept of cohesion as
introduced recently by Berenhaut, Moore and Melvin [Proceedings of the National
Academy of Sciences, 119 (4) (2022)]. The formulation presented builds on the
technique of partitioned local depth by distilling two key probabilistic
concepts: local relevance and support division. Earlier results are extended
within the new context, and examples of applications to revealing communities
in data with uncertainty are included. The work sheds light on the foundations
of partitioned local depth, and extends the original ideas to enable
probabilistic consideration of uncertain, variable and potentially conflicting
information.
- Abstract(参考訳): 本稿では,Berenhaut, Moore, Melvinが最近導入した凝集の概念の一般化について述べる。
この定式化は,2つの主要な確率論的概念である局所的妥当性と支援分割を蒸留することにより,局所的深度を分割する手法に基づいて構築された。
以前の結果は新しいコンテキスト内で拡張され、不確実性のあるデータのコミュニティを明らかにするためのアプリケーションの例が含まれている。
この作業は、分割された局所的な深さの基礎に光を当て、元のアイデアを拡張し、不確実で可変的で潜在的に矛盾する情報に対する確率論的考察を可能にする。
関連論文リスト
- Exploring strong locality : Quantum state discrimination regime and beyond [0.0]
我々は、$(2m+1) otimes 2 otimes (2m+1)$ systems の中で局所的に区別可能な集合のクラスを2つ提示する。
1つのクラスは局所的な操作によって非局所性を明らかにするが、もう1つのクラスは共同測定を必要とする。
また、データ隠蔽の文脈におけるそれらの重要な応用についても検討する。
論文 参考訳(メタデータ) (2024-08-03T20:11:14Z) - Beyond Normal: On the Evaluation of Mutual Information Estimators [52.85079110699378]
そこで本研究では,既知の地道的相互情報を用いて,多種多様な分布群を構築する方法について述べる。
本稿では,問題の難易度に適応した適切な推定器の選択方法について,実践者のためのガイドラインを提供する。
論文 参考訳(メタデータ) (2023-06-19T17:26:34Z) - On the Importance of Exploration for Generalization in Reinforcement
Learning [89.63074327328765]
本研究では,不確実性の高い状態の探索を支援する方法であるEDE: Exploration via Distributional Ensembleを提案する。
当社のアルゴリズムは,ProcgenとCrafterの両面で最先端を実現するための,最初のバリューベースアプローチである。
論文 参考訳(メタデータ) (2023-06-08T18:07:02Z) - Robust Saliency-Aware Distillation for Few-shot Fine-grained Visual
Recognition [57.08108545219043]
サンプルが少ない新しいサブカテゴリを認識することは、コンピュータビジョンにおいて不可欠で挑戦的な研究課題である。
既存の文献は、ローカルベースの表現アプローチを採用することでこの問題に対処している。
本稿では,ロバスト・サリエンシ・アウェア蒸留法(RSaD)を提案する。
論文 参考訳(メタデータ) (2023-05-12T00:13:17Z) - Opening the black-box of Neighbor Embedding with Hotelling's T2
statistic and Q-residuals [1.6058099298620425]
隣接埋め込み(NE)技術は、高次元データの局所構造やトポロジーをよりよく保存する傾向がある。
しかし、局所的な構造を維持する能力は、解釈可能性の犠牲となる。
本稿では,データポイント群間の差別的特徴を識別する手法について述べる。
論文 参考訳(メタデータ) (2022-09-05T14:33:42Z) - Region-Based Merging of Open-Domain Terminological Knowledge [18.32882125046239]
Region Connection Calculus (RCC5) は、位相空間内の領域を表現し、それらの集合論的な関係を推論するために用いられる形式主義である。
まず,複数の矛盾する情報源から得られる用語的知識を地域空間に忠実に翻訳することを提案する。
マージはこれらの空間上で行われ、その結果は入力元の基本言語に変換される。
論文 参考訳(メタデータ) (2022-05-05T14:02:44Z) - Featurized Density Ratio Estimation [82.40706152910292]
本研究では,2つの分布を推定前の共通特徴空間にマッピングするために,可逆生成モデルを活用することを提案する。
この偉業化は、学習された入力空間の密度比が任意に不正確な場合、潜在空間において密度が密接な関係をもたらす。
同時に、特徴写像の可逆性は、特徴空間で計算された比が入力空間で計算された比と同値であることを保証する。
論文 参考訳(メタデータ) (2021-07-05T18:30:26Z) - Dive into Ambiguity: Latent Distribution Mining and Pairwise Uncertainty
Estimation for Facial Expression Recognition [59.52434325897716]
DMUE(DMUE)という,アノテーションのあいまいさを2つの視点から解決するソリューションを提案する。
前者に対しては,ラベル空間における潜伏分布をよりよく記述するために,補助的マルチブランチ学習フレームワークを導入する。
後者の場合、インスタンス間の意味的特徴のペアワイズ関係を完全に活用して、インスタンス空間のあいまいさの程度を推定する。
論文 参考訳(メタデータ) (2021-04-01T03:21:57Z) - A Learning Theoretic Perspective on Local Explainability [29.573120014438917]
我々は,局所近似のレンズを通して,解釈可能な機械学習と学習理論の関連性を探究する。
まず、従来の性能一般化の問題に取り組み、その局所的な説明可能性の概念を用いてモデルのテスト時間精度を拘束する。
第2に,有限標本に基づく局所近似のクラスを増大させる上で重要な問題である説明一般化の新たな問題について検討する。
論文 参考訳(メタデータ) (2020-11-02T18:48:46Z) - Non-Local Spatial Propagation Network for Depth Completion [82.60915972250706]
本研究では,深度完了のための堅牢で効率的な非局所的空間伝搬ネットワークを提案する。
提案するネットワークは,RGBとスパース深度画像を入力とし,各画素の非局所的近傍とその親和性を推定する。
提案アルゴリズムは,混合深度問題に対する深度補完精度とロバスト性の観点から,従来のアルゴリズムよりも優れていることを示す。
論文 参考訳(メタデータ) (2020-07-20T12:26:51Z) - Deep Fusion of Local and Non-Local Features for Precision Landslide
Recognition [17.896249114628336]
本稿では,局所的特徴と非局所的特徴を融合して文脈問題を克服する効果的な手法を提案する。
リモートセンシングコミュニティで広く採用されているU-Netアーキテクチャを基盤として,さらに2つのモジュールを利用する。
実験により,提案手法は最先端の汎用的セマンティックセグメンテーション手法よりも優れた性能を示した。
論文 参考訳(メタデータ) (2020-02-20T03:18:59Z)
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。