論文の概要: Twin support vector quantile regression

• arxiv url: http://arxiv.org/abs/2305.03894v1
• Date: Sat, 6 May 2023 02:08:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-09 18:55:18.667320
• Title: Twin support vector quantile regression
• Title（参考訳）: 双子支持ベクトル量子化回帰
• Authors: Yafen Ye (1)(2), Zhihu Xu (1), Jinhua Zhang (1), Weijie Chen (1)(3), Yuanhai Shao (4) ((1) School of Economics, Zhejiang University of Technology, Hangzhou, P.R.China, (2) Institute for Industrial System Modernization, Zhejiang University of Technology, Hangzhou, P.R.China, (3) Zhijiang College, Zhejiang University of Technology, Hangzhou, P.R.China, (4) Management School, Hainan University, Haikou, P. R. China)
• Abstract要約: 現代データにおける異種・非対称な情報を取得するために,ツインサポートベクトル量子化回帰(TSVQR)を提案する。 TSVQRは2つの小さな二次計画問題(QPP)を構築し、2つの非平行平面を生成し、各量子レベルにおける下界と上界の間の分布非対称性を測定する。 6つの人工的データセット, ffveベンチマークデータセット, 2つの大規模データセット, 2つの時系列データセット, 2つの不均衡データセットの実験結果から, TSVQRが不均一性および非対称性を完全に捕捉する効果において, 従来の定量的回帰法より優れていたことが示唆された。
• 参考スコア（独自算出の注目度）: 11.105294027640404
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We propose a twin support vector quantile regression (TSVQR) to capture the heterogeneous and asymmetric information in modern data. Using a quantile parameter, TSVQR effectively depicts the heterogeneous distribution information with respect to all portions of data points. Correspondingly, TSVQR constructs two smaller sized quadratic programming problems (QPPs) to generate two nonparallel planes to measure the distributional asymmetry between the lower and upper bounds at each quantile level. The QPPs in TSVQR are smaller and easier to solve than those in previous quantile regression methods. Moreover, the dual coordinate descent algorithm for TSVQR also accelerates the training speed. Experimental results on six artiffcial data sets, ffve benchmark data sets, two large scale data sets, two time-series data sets, and two imbalanced data sets indicate that the TSVQR outperforms previous quantile regression methods in terms of the effectiveness of completely capturing the heterogeneous and asymmetric information and the efffciency of the learning process.
• Abstract（参考訳）: 現代データにおける異種・非対称な情報を取得するために,ツインサポートベクトル量子化回帰(TSVQR)を提案する。 定量化パラメータを用いて、TSVQRは、データポイントのすべての部分に関する異種分布情報を効果的に表現する。 TSVQRは2つの小さな二次計画問題(QPP)を構築し、2つの非平行平面を生成し、各量子レベルにおける下界と上界の間の分布非対称性を測定する。 TSVQRのQPPは、従来の量子回帰法よりも小さく、解決しやすい。 さらに、TSVQRの二重座標降下アルゴリズムもトレーニング速度を高速化する。 6つの人工的データセット,ffveベンチマークデータセット,2つの大規模データセット,2つの時系列データセット,および2つの不均衡データセットによる実験結果から,TSVQRは異種および非対称情報の完全取得と学習過程の効率性の観点から,従来の定量的回帰手法より優れていることが示された。

関連論文リスト

• Evolving a Multi-Population Evolutionary-QAOA on Distributed QPUs [0.0]
  我々は,進化的QAOA(E-QAOA)ペアリングがCOBYLAベースのQAOAよりも同等以上の性能を示すことを示した。 また,2つのQPU上に分布する多集団EAを提案する。
  論文  参考訳（メタデータ） (2024-09-16T21:16:51Z)
• From Displacements to Distributions: A Machine-Learning Enabled Framework for Quantifying Uncertainties in Parameters of Computational Models [0.09208007322096533]
  本研究は、工学系のモデリングにおける不確実性を定量化するための2つのフレームワークを組み合わせるための新しい拡張を提案する。 データ一貫性反復(DC)フレームワークは、与えられた関心の量(QoI)マップに対するプルバックおよびプッシュフォワード測度の観点からアレタリック不確かさを定量化するための逆問題と解決策を提供する。 Learning Uncertain Quantities (LUQ)フレームワークは、ノイズの多いデータセットを学習されたQoIマップのサンプルに変換する3ステップの機械学習を可能にする正式なプロセスを定義する。
  論文  参考訳（メタデータ） (2024-03-04T20:40:50Z)
• S2M: Converting Single-Turn to Multi-Turn Datasets for Conversational Question Answering [16.930522435912717]
  本稿では,シングルターンデータセットをマルチターンデータセットに変換する新しい手法を提案する。 S2Mは応募時にQuACのリーダーボードで1位にランクインした。
  論文  参考訳（メタデータ） (2023-12-27T10:41:18Z)
• Heterogeneous Multi-Task Gaussian Cox Processes [61.67344039414193]
  異種相関タスクを共同でモデル化するためのマルチタスクガウスコックスプロセスの新たな拡張を提案する。 MOGPは、分類、回帰、ポイントプロセスタスクの専用可能性のパラメータに先行して、異種タスク間の情報の共有を容易にする。 モデルパラメータを推定するための閉形式反復更新を実現する平均場近似を導出する。
  論文  参考訳（メタデータ） (2023-08-29T15:01:01Z)
• Q-DETR: An Efficient Low-Bit Quantized Detection Transformer [50.00784028552792]
  Q-DETRのボトルネックは、我々の経験的分析によるクエリ情報の歪みから生じる。 情報ボトルネック(IB)の原理をQ-DETRの学習に一般化することで導出できる2レベル最適化問題としてDRDを定式化する。 本研究では,教師情報を蒸留所要の機能に効果的に転送し,条件情報エントロピーを最小化する,フォアグラウンド対応クエリマッチング手法を提案する。
  論文  参考訳（メタデータ） (2023-04-01T08:05:14Z)
• Toward Unsupervised Realistic Visual Question Answering [70.67698100148414]
  現実的なVQA(RVQA)の問題について検討し、モデルが答えられない質問(UQ)を拒絶し、答えられる質問(AQ)に答えなければならない。 1)データセットには不整合UQが多すぎること,(2)多数の注釈付きUQがトレーニングに必要とされること,の2つの欠点を最初に指摘した。 我々は、既存のVQAデータセットのAQと約29万の人間の注釈付きUQを組み合わせた新しいテストデータセットRGQAを提案する。 これは、画像と質問をランダムにペアリングして得られる擬似UQと、それを結合する。
  論文  参考訳（メタデータ） (2023-03-09T06:58:29Z)
• Comparative Study of Coupling and Autoregressive Flows through Robust Statistical Tests [0.0]
  本稿では,アフィン型と有理2次型の両方において,カップリングと自己回帰流の詳細な比較を提案する。 本研究は,4～400の次元を増大させるマルチモーダルターゲット分布の集合に着目した。 以上の結果から,A-RQSアルゴリズムは精度とトレーニング速度の両面で際立っていることが示唆された。
  論文  参考訳（メタデータ） (2023-02-23T13:34:01Z)
• Fast Nonlinear Vector Quantile Regression [13.606557840299036]
  量子回帰(QR)は、ターゲット変数の1つ以上の条件量子化を推定する強力なツールである。 ベクトル量子回帰(VQR)は、ベクトル値のターゲット変数に対するQRの拡張として提案された。
  論文  参考訳（メタデータ） (2022-05-30T10:25:34Z)
• SreaMRAK a Streaming Multi-Resolution Adaptive Kernel Algorithm [60.61943386819384]
  既存のKRRの実装では、すべてのデータがメインメモリに格納される必要がある。 KRRのストリーミング版であるStreaMRAKを提案する。 本稿では,2つの合成問題と2重振り子の軌道予測について紹介する。
  論文  参考訳（メタデータ） (2021-08-23T21:03:09Z)
• Why Approximate Matrix Square Root Outperforms Accurate SVD in Global Covariance Pooling? [59.820507600960745]
  本稿では,前方通過のSVDと後方伝播のPad'e近似を用いて勾配を計算する新しいGCPメタ層を提案する。 提案するメタレイヤは,さまざまなCNNモデルに統合され,大規模および微細なデータセット上で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-05-06T08:03:45Z)
• Data Augmentation for Abstractive Query-Focused Multi-Document Summarization [129.96147867496205]
  2つのQMDSトレーニングデータセットを提示し,2つのデータ拡張手法を用いて構築する。 これらの2つのデータセットは相補的な性質を持ち、すなわちQMDSCNNは実際のサマリを持つが、クエリはシミュレートされる。 組み合わせたデータセット上にエンドツーエンドのニューラルネットワークモデルを構築し、DUCデータセットに最新の転送結果をもたらします。
  論文  参考訳（メタデータ） (2021-03-02T16:57:01Z)

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。