論文の概要: Duality in Multi-View Restricted Kernel Machines
- arxiv url: http://arxiv.org/abs/2305.17251v1
- Date: Fri, 26 May 2023 20:37:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-30 21:02:51.872454
- Title: Duality in Multi-View Restricted Kernel Machines
- Title（参考訳）: 多視点制限カーネルマシンにおける双対性
- Authors: Sonny Achten, Arun Pandey, Hannes De Meulemeester, Bart De Moor, Johan
A. K. Suykens
- Abstract要約: 本稿では,既存の制限されたカーネル・マシン・メソッドを1つのプリミティブ・デュアル・マルチビュー・フレームワークに組み合わせた統一設定を提案する。
フレームワークの一次表現と双対表現を導出し、理論的な観点から異なるトレーニングと推論アルゴリズムを関連づける。
- 参考スコア（独自算出の注目度）: 9.972637499105513
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a unifying setting that combines existing restricted kernel
machine methods into a single primal-dual multi-view framework for kernel
principal component analysis in both supervised and unsupervised settings. We
derive the primal and dual representations of the framework and relate
different training and inference algorithms from a theoretical perspective. We
show how to achieve full equivalence in primal and dual formulations by
rescaling primal variables. Finally, we experimentally validate the equivalence
and provide insight into the relationships between different methods on a
number of time series data sets by recursively forecasting unseen test data and
visualizing the learned features.
- Abstract（参考訳）: 本稿では,既存の制限付きカーネルマシンメソッドを,教師なし設定と教師なし設定の両方においてカーネル主成分分析のための単一のプリミラル・ディアル・マルチビュー・フレームワークに結合した統一設定を提案する。
フレームワークの一次表現と双対表現を導出し、理論的な観点から異なるトレーニングと推論アルゴリズムを関連づける。
一次変数を再スケーリングすることで、原始変数と双対変数の完全同値性を実現する方法を示す。
最後に,不確定なテストデータを再帰的に予測し,学習した特徴を可視化することにより,複数の時系列データセットにおける異なる手法間の関係を実験的に検証し,考察する。
関連論文リスト
- Multi-View Causal Representation Learning with Partial Observability [36.37049791756438]
同時に観察された視点から学習した表現の識別可能性を研究するための統一的な枠組みを提案する。
任意のビューのすべてのサブセット間で共有される情報は、コントラスト学習を用いてスムーズなビジェクションまで学習できることを実証する。
数値、画像、マルチモーダルデータセットに関する我々の主張を実験的に検証する。
論文 参考訳（メタデータ） (2023-11-07T15:07:08Z) - Towards Distribution-Agnostic Generalized Category Discovery [51.52673017664908]
データ不均衡とオープンエンドの分布は、現実の視覚世界の本質的な特性である。
我々は,BaCon(Self-Balanced Co-Advice contrastive framework)を提案する。
BaConは、対照的な学習ブランチと擬似ラベルブランチで構成され、DA-GCDタスクを解決するためのインタラクティブな監視を提供するために協力して動作する。
論文 参考訳（メタデータ） (2023-10-02T17:39:58Z) - Disentangling Multi-view Representations Beyond Inductive Bias [32.15900989696017]
本稿では,表現の解釈可能性と一般化性を両立させる新しい多視点表現分離手法を提案する。
提案手法は,クラスタリングと分類性能において,12種類の比較手法より優れていることを示す。
論文 参考訳（メタデータ） (2023-08-03T09:09:28Z) - Synergies between Disentanglement and Sparsity: Generalization and
Identifiability in Multi-Task Learning [79.83792914684985]
我々は,最大スパース基底予測器が不整合表現をもたらす条件を提供する新しい識別可能性の結果を証明した。
この理論的な結果から,両レベル最適化問題に基づくアンタングル表現学習の実践的アプローチを提案する。
論文 参考訳（メタデータ） (2022-11-26T21:02:09Z) - Self-Attention Neural Bag-of-Features [103.70855797025689]
我々は最近導入された2D-Attentionの上に構築し、注意学習方法論を再構築する。
本稿では,関連情報を強調した2次元目視マスクを学習する機能・時間的アテンション機構を提案する。
論文 参考訳（メタデータ） (2022-01-26T17:54:14Z) - Cluster-and-Conquer: A Framework For Time-Series Forecasting [94.63501563413725]
本稿では,高次元時系列データを予測するための3段階フレームワークを提案する。
当社のフレームワークは非常に汎用的で,各ステップで時系列予測やクラスタリングが利用可能です。
単純な線形自己回帰モデルでインスタンス化されると、いくつかのベンチマークデータセットで最先端の結果が得られる。
論文 参考訳（メタデータ） (2021-10-26T20:41:19Z) - Learn then Test: Calibrating Predictive Algorithms to Achieve Risk
Control [67.52000805944924]
Learn then Test (LTT)は、機械学習モデルを校正するフレームワークである。
私たちの主な洞察は、リスクコントロール問題を複数の仮説テストとして再設計することです。
我々は、コンピュータビジョンの詳細な実例を用いて、コア機械学習タスクの新しいキャリブレーション手法を提供するために、我々のフレームワークを使用します。
論文 参考訳（メタデータ） (2021-10-03T17:42:03Z) - D-LEMA: Deep Learning Ensembles from Multiple Annotations -- Application
to Skin Lesion Segmentation [14.266037264648533]
画像に対するアノテーションの意見のコレクションを活用することは、ゴールド基準を推定する興味深い方法です。
深層モデル学習時のアノテーションの不一致に対処する手法を提案する。
論文 参考訳（メタデータ） (2020-12-14T01:51:22Z) - Multi-view Orthonormalized Partial Least Squares: Regularizations and
Deep Extensions [8.846165479467324]
最小二乗を基本としたマルチビュー学習のためのサブスペース学習手法のファミリーを確立する。
全ビューで共有される共通潜在空間上の分類器を学習するための統合された多視点学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-09T19:00:39Z) - Bayesian Sparse Factor Analysis with Kernelized Observations [67.60224656603823]
多視点問題は潜在変数モデルに直面することができる。
高次元問題と非線形問題は伝統的にカーネルメソッドによって扱われる。
両アプローチを単一モデルにマージすることを提案する。
論文 参考訳（メタデータ） (2020-06-01T14:25:38Z)
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。