論文の概要: Perceptual adjustment queries and an inverted measurement paradigm for low-rank metric learning

• arxiv url: http://arxiv.org/abs/2309.04626v1
• Date: Fri, 8 Sep 2023 22:36:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-12 17:28:57.596843
• Title: Perceptual adjustment queries and an inverted measurement paradigm for low-rank metric learning
• Title（参考訳）: 低ランクメトリック学習のための知覚調整クエリと逆計測パラダイム
• Authors: Austin Xu, Andrew D. McRae, Jingyan Wang, Mark A. Davenport, Ashwin Pananjady
• Abstract要約: 我々は、知覚調整クエリ(PAQ)と呼ばれる、人間のフィードバックを収集する新しいタイプのクエリメカニズムを導入する。 情報的にも認知的にも軽量であるため、PAQは逆測定方式を採用し、基数クエリと順序クエリの両方の利点を組み合わせている。 本研究では,PAQからのメトリック学習のための2段階推定器を開発し,この推定器の複雑さの保証を行う。
• 参考スコア（独自算出の注目度）: 22.7492766005919
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a new type of query mechanism for collecting human feedback, called the perceptual adjustment query ( PAQ). Being both informative and cognitively lightweight, the PAQ adopts an inverted measurement scheme, and combines advantages from both cardinal and ordinal queries. We showcase the PAQ in the metric learning problem, where we collect PAQ measurements to learn an unknown Mahalanobis distance. This gives rise to a high-dimensional, low-rank matrix estimation problem to which standard matrix estimators cannot be applied. Consequently, we develop a two-stage estimator for metric learning from PAQs, and provide sample complexity guarantees for this estimator. We present numerical simulations demonstrating the performance of the estimator and its notable properties.
• Abstract（参考訳）: 我々は,人間からのフィードバックを収集する新しいタイプの問合せ機構であるperceptual adjustment query (paq)を提案する。 情報的かつ認知的に軽量なpaqは、逆測定スキームを採用し、基数と順序の両方のクエリの利点を組み合わせる。 そこでは,未知のマハラノビス距離を学習するために,PAQの測定値を収集した。 これにより、標準行列推定器を適用できない高次元の低ランク行列推定問題が発生する。 そこで我々は,PAQからのメトリック学習のための2段階推定器を開発し,この推定器の複雑さの保証を行う。 本稿では,推定器の性能とその特性を示す数値シミュレーションを行う。

関連論文リスト

• Bayesian Prediction-Powered Inference [62.2436697657307]
  予測駆動推論(英: Prediction-powered Inference, PPI)は、人間ラベル付き限られたデータに基づいて統計的推定を改善する手法である。 本稿では,ベイズ推定に基づくPPIのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-09T18:08:58Z)
• Query Performance Prediction using Relevance Judgments Generated by Large Language Models [53.97064615557883]
  自動生成関連判定(QPP-GenRE)を用いたQPPフレームワークを提案する。 QPP-GenREは、QPPを独立したサブタスクに分解し、ランクリスト内の各項目の関連性を所定のクエリに予測する。 これにより、生成した関連判断を擬似ラベルとして利用して、任意のIR評価尺度を予測することができる。
  論文  参考訳（メタデータ） (2024-04-01T09:33:05Z)
• Leveraging Variational Autoencoders for Parameterized MMSE Estimation [10.141454378473972]
  条件付き線形最小二乗誤差推定器のパラメータ化のための変分オートエンコーダに基づくフレームワークを提案する。 導出した推定器は、推定問題の生成前として変分オートエンコーダを用いて最小平均2乗誤差推定器を近似する。 提案手法と最小平均二乗誤差推定器の差分を限定して厳密な解析を行う。
  論文  参考訳（メタデータ） (2023-07-11T15:41:34Z)
• Towards Clear Expectations for Uncertainty Estimation [64.20262246029286]
  不確実性定量化(UQ)は、信頼できる機械学習(ML)を実現するために不可欠である ほとんどのUQ手法は、異なる不整合評価プロトコルに悩まされている。 この意見書は、これらの要件を5つの下流タスクを通して指定することで、新たな視点を提供する。
  論文  参考訳（メタデータ） (2022-07-27T07:50:57Z)
• QAFactEval: Improved QA-Based Factual Consistency Evaluation for Summarization [116.56171113972944]
  QAベースのメトリクスのコンポーネントを慎重に選択することは、パフォーマンスにとって重要であることを示す。 提案手法は,最良性能のエンテーメントに基づく測定値を改善し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-12-16T00:38:35Z)
• Adaptive estimation of quantum observables [4.567122178196833]
  本稿では,予め取得したデータに基づいて推定器を適応的に修正する計測手法を提案する。 AEQuOと呼ばれる我々のアルゴリズムは、観測可能な推定平均と関連する誤差の両方を継続的に監視する。 我々は、AEQuOが全ての最先端手法を改善するエラー推定を提供する化学ハミルトニアンのプロトコルをテストする。
  論文  参考訳（メタデータ） (2021-10-28T17:49:16Z)
• Frequentist Parameter Estimation with Supervised Learning [0.0]
  回帰を用いて未知パラメータの機械学習点推定を行う。 トレーニング数が大きい場合、これはよく知られた最大形推定器(MLE)と同一である。 機械学習推定器は,MLEの望ましい特性を,トレーニンググリッドの解像度に課せられる限界まで継承することを示す。
  論文  参考訳（メタデータ） (2021-05-26T02:24:25Z)
• Nonparametric Estimation of the Fisher Information and Its Applications [82.00720226775964]
  本稿では,大きさn$のランダムサンプルからフィッシャー情報の位置推定の問題について考察する。 Bhattacharyaにより提案された推定器を再検討し、収束率の向上を導出する。 クリッピング推定器と呼ばれる新しい推定器を提案する。
  論文  参考訳（メタデータ） (2020-05-07T17:21:56Z)
• Machine learning for causal inference: on the use of cross-fit estimators [77.34726150561087]
  より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。 平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。 機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2020-04-21T23:09:55Z)

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。