Fugu-MT 論文翻訳(概要): Neural network reconstruction of cosmology using the Pantheon compilation

論文の概要: Neural network reconstruction of cosmology using the Pantheon compilation

arxiv url: http://arxiv.org/abs/2305.15499v2
Date: Sun, 29 Oct 2023 04:27:53 GMT
ステータス: 処理完了
システム内更新日: 2023-11-02 02:30:41.211576
Title: Neural network reconstruction of cosmology using the Pantheon compilation
Title（参考訳）: パンテオンコンパイルを用いた宇宙のニューラルネットワーク再構成
Authors: Konstantinos F. Dialektopoulos, Purba Mukherjee, Jackson Levi Said, Jurgen Mifsud
Abstract要約: 相関データを含む様々なデータセットを用いてハッブル図を再構成する。独立した不確実性を持つデータセットのために構築されたReFANNを使用して、非ガサスデータポイントを含むように拡張する。
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 work, we reconstruct the Hubble diagram using various data sets, including correlated ones, in Artificial Neural Networks (ANN). Using ReFANN, that was built for data sets with independent uncertainties, we expand it to include non-Guassian data points, as well as data sets with covariance matrices among others. Furthermore, we compare our results with the existing ones derived from Gaussian processes and we also perform null tests in order to test the validity of the concordance model of cosmology.
Abstract（参考訳）: 本研究では,ANN(Artificial Neural Networks)において,相関データを含むさまざまなデータセットを用いてハッブル図を再構成する。独立不確実性のあるデータセットのために構築されたReFANNを用いて、非ガウス的データポイントや共分散行列を持つデータセットを含むように拡張する。さらに,この結果とガウス過程から得られた既存手法を比較し,宇宙論の一致モデルの有効性を検証するためにヌルテストを行う。

関連論文リスト

Kolmogorov-Arnold Network Autoencoders [0.0]
Kolmogorov-Arnold Networks (KAN)はMulti-Layer Perceptrons (MLP)に代わる有望な代替品である。カンはコルモゴロフ・アルノルドの表現定理と密接に一致し、モデル精度と解釈可能性の両方を高める可能性がある。この結果から,kanベースのオートエンコーダは復元精度の点で競争力を発揮することが示された。
論文参考訳（メタデータ） (2024-10-02T22:56:00Z)
Domain Adaptive Graph Neural Networks for Constraining Cosmological Parameters Across Multiple Data Sets [40.19690479537335]
DA-GNNは,データセット間のタスクにおいて高い精度とロバスト性を実現する。このことは、DA-GNNがドメインに依存しない宇宙情報を抽出するための有望な方法であることを示している。
論文参考訳（メタデータ） (2023-11-02T20:40:21Z)
Linking data separation, visual separation, and classifier performance using pseudo-labeling by contrastive learning [125.99533416395765]
最終分類器の性能は、潜在空間に存在するデータ分離と、射影に存在する視覚的分離に依存すると論じる。本研究は,ヒト腸管寄生虫の5つの現実的課題の画像データセットを1%の教師付きサンプルで分類し,その結果を実証する。
論文参考訳（メタデータ） (2023-02-06T10:01:38Z)
Neural Attentive Circuits [93.95502541529115]
我々は、NAC(Neural Attentive Circuits)と呼ばれる汎用的でモジュラーなニューラルアーキテクチャを導入する。 NACは、ドメイン知識を使わずに、ニューラルネットワークモジュールのパラメータ化と疎結合を学習する。 NACは推論時に8倍のスピードアップを達成するが、性能は3%以下である。
論文参考訳（メタデータ） (2022-10-14T18:00:07Z)
Convolutional Neural Networks on Manifolds: From Graphs and Back [122.06927400759021]
本稿では,多様体畳み込みフィルタと点次非線形性からなる多様体ニューラルネットワーク(MNN)を提案する。要約すると、我々は大きなグラフの極限として多様体モデルに焦点を合わせ、MNNを構築するが、それでもMNNの離散化によってグラフニューラルネットワークを復活させることができる。
論文参考訳（メタデータ） (2022-10-01T21:17:39Z)
Batch-Ensemble Stochastic Neural Networks for Out-of-Distribution Detection [55.028065567756066]
Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイすることの重要性から、マシンラーニングコミュニティから注目を集めている。本稿では,特徴量の分布をモデル化した不確実な定量化手法を提案する。バッチアンサンブルニューラルネットワーク(BE-SNN)の構築と機能崩壊問題の克服を目的として,効率的なアンサンブル機構,すなわちバッチアンサンブルを組み込んだ。 We show that BE-SNNs yield superior performance on the Two-Moons dataset, the FashionMNIST vs MNIST dataset, FashionM。
論文参考訳（メタデータ） (2022-06-26T16:00:22Z)
Using Mixed-Effect Models to Learn Bayesian Networks from Related Data Sets [0.04297070083645048]
混合効果モデルを用いて連続データからベイズネットワークを学習するための類似解を提供する。本研究では,その構造,パラメトリック,予測,分類の精度について検討する。この改善は、低いサンプルサイズとバランスの取れないデータセットに特徴付けられる。
論文参考訳（メタデータ） (2022-06-08T08:32:32Z)
CoarSAS2hvec: Heterogeneous Information Network Embedding with Balanced Network Sampling [0.0]
不均一情報ネットワーク(HIN)埋め込みは、異なる性質のエンティティ間の近接性を保持するノードの表現を見つけることを目的としている。広く採用されているアプローチの族は、異種コンテキストのシーケンスを生成するためにランダムウォークを適用している。 HINの多部グラフ構造のため、ハブノードはサンプルシーケンスで過剰に表現される傾向にあり、ネットワークの不均衡なサンプルが発生する。
論文参考訳（メタデータ） (2021-10-12T08:34:39Z)
Learning a Self-Expressive Network for Subspace Clustering [15.096251922264281]
本稿では,データ表現の自己表現を学習するために,適切に設計されたニューラルネットワークを用いた,自己表現型ネットワーク(SENet)と呼ばれる,サブスペースクラスタリングのための新しいフレームワークを提案する。私たちのSENetは、トレーニングデータに望ましい特性を持つ自己表現係数を学習するだけでなく、サンプル外のデータも処理します。特に、SENetはMNIST、Fashion MNIST、Extended MNISTで高い競争力を発揮し、CIFAR-10で最先端のパフォーマンスを得る。
論文参考訳（メタデータ） (2021-10-08T18:06:06Z)
Self-Supervised Neural Architecture Search for Imbalanced Datasets [129.3987858787811]
ニューラルアーキテクチャサーチ(NAS)は、アノテートラベル付きよく計算されたデータセットでトレーニングされた場合、最先端の結果を提供する。 a) アーキテクチャを決定するためにラベルを必要とせず、(b) データセットが不均衡であると仮定する自己管理シナリオに焦点を当てたNASベースのフレームワークを提案する。
論文参考訳（メタデータ） (2021-09-17T14:56:36Z)
Statistical model-based evaluation of neural networks [74.10854783437351]
ニューラルネットワーク(NN)の評価のための実験装置を開発する。このセットアップは、NNs vis-a-vis minimum-mean-square-error (MMSE)パフォーマンス境界のベンチマークに役立つ。これにより、トレーニングデータサイズ、データ次元、データ幾何学、ノイズ、トレーニング条件とテスト条件のミスマッチの影響をテストできます。
論文参考訳（メタデータ） (2020-11-18T00:33:24Z)

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。