Fugu-MT 論文翻訳(概要): Compression of enumerations and gain

論文の概要: Compression of enumerations and gain

arxiv url: http://arxiv.org/abs/2304.03030v1
Date: Thu, 6 Apr 2023 12:29:53 GMT
ステータス: 処理完了
システム内更新日: 2023-04-07 14:18:18.607780
Title: Compression of enumerations and gain
Title（参考訳）: 列挙とゲインの圧縮
Authors: George Barmpalias and Xiaoyan Zhang and Bohua Zhan
Abstract要約: 計算可能可算集合の相対的コルモゴロフ複雑性における列挙の圧縮可能性とその役割について検討する。圧縮の強さと弱さについて,圧縮列挙に埋め込まれた補助情報量について検討する。
参考スコア（独自算出の注目度）: 4.86858040476984
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study the compressibility of enumerations, and its role in the relative Kolmogorov complexity of computably enumerable sets, with respect to density. With respect to a strong and a weak form of compression, we examine the gain: the amount of auxiliary information embedded in the compressed enumeration. Strong compression and weak gainless compression is shown for any computably enumerable set, and a positional game is studied toward understanding strong gainless compression.
Abstract（参考訳）: 計算可能可算集合の相対的コルモゴロフ複雑性における列挙の圧縮可能性とその密度に対する役割について検討する。圧縮の強さと弱さについて,圧縮列挙に埋め込まれた補助情報量について検討する。計算可能可算集合に対して強圧縮と弱利得なし圧縮を示し、強利得なし圧縮を理解するために位置ゲームを研究する。

関連論文リスト

Perception Compressor:A training-free prompt compression method in long context scenarios [17.720102137585503]
パーセプション(Perception)は、大規模言語モデルのトレーニング不要なプロンプト圧縮手法である。既存のメソッドのマージンを大きく上回り、最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2024-09-28T07:13:33Z)
More Effective LLM Compressed Tokens with Uniformly Spread Position Identifiers and Compression Loss [51.05017281146084]
圧縮トークンの位置識別子の選択について検討し,新しい圧縮損失を提案する。提案手法は, ICAEの4倍に比べて, 圧縮比が有意に高いことを実証的に実証した。
論文参考訳（メタデータ） (2024-09-22T08:51:18Z)
Retaining Key Information under High Compression Ratios: Query-Guided Compressor for LLMs [35.91962517513945]
圧縮比が増加するにつれて従来の手法の性能は劇的に低下し、時にはクローズドブックレベルにまで低下する。本稿では、クエリを利用してコンテキスト圧縮プロセスをガイドするQuery-Guided (QGC)を紹介する。提案したQGCの有効性を,NaturalQuestions,TriviaQA,HotpotQAデータセットを含む質問応答タスクで検証する。
論文参考訳（メタデータ） (2024-06-04T14:53:24Z)
UniCompress: Enhancing Multi-Data Medical Image Compression with Knowledge Distillation [59.3877309501938]
Inlicit Neural Representation (INR) ネットワークは、その柔軟な圧縮比のため、顕著な汎用性を示している。周波数領域情報を含むコードブックをINRネットワークへの事前入力として導入する。これにより、INRの表現力が向上し、異なる画像ブロックに対して特異な条件付けが提供される。
論文参考訳（メタデータ） (2024-05-27T05:52:13Z)
Order of Compression: A Systematic and Optimal Sequence to Combinationally Compress CNN [5.25545980258284]
本稿では,複数の圧縮手法を最も効率的な順序で適用するための,体系的かつ最適なシーケンスを提案する。提案手法では,ResNet34の計算コストを最大859倍に削減する。我々は, モデル圧縮の行程をシンプルかつ効果的に探索することで, モデル圧縮の実践に光を当てることができると考えている。
論文参考訳（メタデータ） (2024-03-26T07:26:00Z)
Lower Bounds and Accelerated Algorithms in Distributed Stochastic Optimization with Communication Compression [31.107056382542417]
通信圧縮は通信オーバーヘッドを軽減するための重要な戦略である。軽度条件下での圧縮のほぼ最適アルゴリズムであるNEOLITHICを提案する。
論文参考訳（メタデータ） (2023-05-12T17:02:43Z)
Cross Modal Compression: Towards Human-comprehensible Semantic Compression [73.89616626853913]
クロスモーダル圧縮は、視覚データのためのセマンティック圧縮フレームワークである。提案したCMCは,超高圧縮比で再現性の向上が期待できることを示す。
論文参考訳（メタデータ） (2022-09-06T15:31:11Z)
Leveraging Bitstream Metadata for Fast, Accurate, Generalized Compressed Video Quality Enhancement [74.1052624663082]
圧縮ビデオの細部を復元する深層学習アーキテクチャを開発した。これにより,従来の圧縮補正法と比較して復元精度が向上することを示す。我々は、ビットストリームで容易に利用できる量子化データに対して、我々のモデルを条件付けする。
論文参考訳（メタデータ） (2022-01-31T18:56:04Z)
COMISR: Compression-Informed Video Super-Resolution [76.94152284740858]
ウェブやモバイルデバイスのほとんどのビデオは圧縮され、帯域幅が制限されると圧縮は厳しい。圧縮によるアーティファクトを導入せずに高解像度コンテンツを復元する圧縮インフォームドビデオ超解像モデルを提案する。
論文参考訳（メタデータ） (2021-05-04T01:24:44Z)
Unfolding Neural Networks for Compressive Multichannel Blind Deconvolution [71.29848468762789]
圧縮性多チャネルブラインドデコンボリューション問題に対する学習構造付き展開型ニューラルネットワークを提案する。この問題では、各チャネルの測定は共通のソース信号とスパースフィルタの畳み込みとして与えられる。提案手法は,従来の圧縮型マルチチャネルブラインドデコンボリューション法よりも,スパースフィルタの精度と高速化の点で優れていることを示す。
論文参考訳（メタデータ） (2020-10-22T02:34:33Z)
Uncertainty Principle for Communication Compression in Distributed and Federated Learning and the Search for an Optimal Compressor [5.09755285351264]
我々は,ベクトルのカシン表現にインスパイアされた非バイアス圧縮法を考察し,これをエムカシン圧縮(KC)と呼ぶ。 KC は、各ベクトルエントリごとに数ビットしか通信する必要のない状態であっても、明示的な公式を導出するエム次元独立分散境界を享受する。
論文参考訳（メタデータ） (2020-02-20T17:20:51Z)

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。