論文の概要: Retrieval of Boost Invariant Symbolic Observables via Feature Importance

• arxiv url: http://arxiv.org/abs/2306.13496v1
• Date: Fri, 23 Jun 2023 13:41:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-26 12:36:39.777150
• Title: Retrieval of Boost Invariant Symbolic Observables via Feature Importance
• Title（参考訳）: 特徴量による高次不変形シンボル可観測物の検索
• Authors: Jose M Munoz and Ilyes Batatia and Christoph Ortner and Francesco Romeo
• Abstract要約: 高エネルギー物理学におけるジェットタグの深層学習アプローチは、大量の情報を処理するブラックボックスとして特徴付けられる。 本稿では、与えられたタスクにおいて最も重要な特徴を表す単純な解析式を直接解析できる、ディープラーニングアプローチの代替となるBoost Invariant Polynomialsを提案する。
• 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: Deep learning approaches for jet tagging in high-energy physics are characterized as black boxes that process a large amount of information from which it is difficult to extract key distinctive observables. In this proceeding, we present an alternative to deep learning approaches, Boost Invariant Polynomials, which enables direct analysis of simple analytic expressions representing the most important features in a given task. Further, we show how this approach provides an extremely low dimensional classifier with a minimum set of features representing %effective discriminating physically relevant observables and how it consequently speeds up the algorithm execution, with relatively close performance to the algorithm using the full information.
• Abstract（参考訳）: 高エネルギー物理学におけるジェットタギングのディープラーニングアプローチは、重要な識別可能な情報を抽出するのが難しい大量の情報を処理するブラックボックスとして特徴づけられる。 本稿では,与えられたタスクで最も重要な特徴を表現する単純な解析式を直接解析できる,不変多項式の強化という,ディープラーニングのアプローチの代替案を提案する。 さらに,本手法は,物理的に有意な可観測性を示す最小の特徴セットを持つ極端に低次元の分類器を提供し,その結果アルゴリズムの実行を高速化し,全情報を用いたアルゴリズムに比較的近い性能で実現することを示す。

関連論文リスト

• Localized Gaussians as Self-Attention Weights for Point Clouds Correspondence [92.07601770031236]
  本稿では,エンコーダのみのトランスフォーマーアーキテクチャのアテンションヘッドにおける意味的意味パターンについて検討する。 注意重みの修正はトレーニングプロセスの促進だけでなく,最適化の安定性の向上にも寄与する。
  論文  参考訳（メタデータ） (2024-09-20T07:41:47Z)
• Iterative Feature Boosting for Explainable Speech Emotion Recognition [17.568724398229232]
  本稿では,効率的な特徴工学手法に基づく新しい教師付きSER手法を提案する。 特徴の関連性を評価し,特徴セットを洗練させるために,結果の説明可能性に特に注意を払っている。 提案手法は,TESSデータセット上での感情認識において,ヒトレベルのパフォーマンス(HLP)および最先端の機械学習手法より優れる。
  論文  参考訳（メタデータ） (2024-05-30T15:44:27Z)
• A Large Dimensional Analysis of Multi-task Semi-Supervised Learning [26.660265120556137]
  本稿では,多タスク学習を一度に包含し,不確実なラベリングを考慮した,単純かつ多目的な分類モデルの大規模な次元的研究を行う。
  論文  参考訳（メタデータ） (2024-02-21T09:27:44Z)
• A Contrast Based Feature Selection Algorithm for High-dimensional Data set in Machine Learning [9.596923373834093]
  本稿では,異なるクラス間で示される相違点に基づいて識別的特徴を抽出する新しいフィルタ特徴選択手法であるContrastFSを提案する。 提案手法の有効性と有効性について検証し,提案手法が無視可能な計算で良好に動作することを示す。
  論文  参考訳（メタデータ） (2024-01-15T05:32:35Z)
• Efficient Model-Free Exploration in Low-Rank MDPs [76.87340323826945]
  低ランクマルコフ決定プロセスは、関数近似を持つRLに対して単純だが表現力のあるフレームワークを提供する。 既存のアルゴリズムは、(1)計算的に抽出可能であるか、または(2)制限的な統計的仮定に依存している。 提案手法は,低ランクMPPの探索のための最初の実証可能なサンプル効率アルゴリズムである。
  論文  参考訳（メタデータ） (2023-07-08T15:41:48Z)
• Provably Efficient Representation Learning with Tractable Planning in Low-Rank POMDP [81.00800920928621]
  部分的に観測可能なマルコフ決定過程(POMDP)における表現学習の研究 まず,不確実性(OFU)に直面した最大推定(MLE)と楽観性を組み合わせた復調性POMDPのアルゴリズムを提案する。 次に、このアルゴリズムをより広範な$gamma$-observable POMDPのクラスで機能させる方法を示す。
  論文  参考訳（メタデータ） (2023-06-21T16:04:03Z)
• Improving Estimation of the Koopman Operator with Kolmogorov-Smirnov Indicator Functions [0.0]
  このアプローチの実践的な成功の鍵は、緩やかな緩和モードを拡張するための良い基礎となる観測可能なものの集合を同定することである。 本稿では,スローモードのよい基礎となる観測可能なものを推測する,シンプルで効率的なクラスタリング手法を提案する。 我々は、推定指標関数がクープマン作用素の主固有値の推定を大幅に改善できることを一貫して証明する。
  論文  参考訳（メタデータ） (2023-06-09T15:01:43Z)
• Representation Learning with Multi-Step Inverse Kinematics: An Efficient and Optimal Approach to Rich-Observation RL [106.82295532402335]
  既存の強化学習アルゴリズムは、計算的難易度、強い統計的仮定、最適なサンプルの複雑さに悩まされている。 所望の精度レベルに対して、レート最適サンプル複雑性を実現するための、最初の計算効率の良いアルゴリズムを提供する。 我々のアルゴリズムMusIKは、多段階の逆運動学に基づく表現学習と体系的な探索を組み合わせる。
  論文  参考訳（メタデータ） (2023-04-12T14:51:47Z)
• Invariant Causal Mechanisms through Distribution Matching [86.07327840293894]
  本研究では、因果的視点と不変表現を学習するための新しいアルゴリズムを提供する。 実験により,このアルゴリズムは様々なタスク群でうまく動作し,特にドメインの一般化における最先端のパフォーマンスを観察する。
  論文  参考訳（メタデータ） (2022-06-23T12:06:54Z)
• Information-Theoretic Odometry Learning [83.36195426897768]
  生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。 提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
  論文  参考訳（メタデータ） (2022-03-11T02:37:35Z)

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。