Fugu-MT 論文翻訳(概要): On Learning with LAD

論文の概要: On Learning with LAD

arxiv url: http://arxiv.org/abs/2309.16630v1
Date: Thu, 28 Sep 2023 17:35:26 GMT
ステータス: 処理完了
システム内更新日: 2023-09-29 13:05:52.456775
Title: On Learning with LAD
Title（参考訳）: LADによる学習について
Authors: C. A. Jothishwaran, Biplav Srivastava, Jitin Singla, Sugata Gangopadhyay
Abstract要約: データの論理解析であるLADは、解離正規形式(DNF)表現を持つブール関数に基づく2クラス分類器を生成する手法である。仮説集合が少数の立方体単項を持つDNFからなるLADモデルに対して、Vapnik-Chervonenkis次元(VC次元)を推定することにより、過剰適合の欠如を理論的に正当化する。
参考スコア（独自算出の注目度）: 4.483577663298659
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The logical analysis of data, LAD, is a technique that yields two-class classifiers based on Boolean functions having disjunctive normal form (DNF) representation. Although LAD algorithms employ optimization techniques, the resulting binary classifiers or binary rules do not lead to overfitting. We propose a theoretical justification for the absence of overfitting by estimating the Vapnik-Chervonenkis dimension (VC dimension) for LAD models where hypothesis sets consist of DNFs with a small number of cubic monomials. We illustrate and confirm our observations empirically.
Abstract（参考訳）: データの論理解析であるLADは、解離正規形式(DNF)表現を持つブール関数に基づく2クラス分類器を生成する手法である。 LADアルゴリズムは最適化手法を採用しているが、結果のバイナリ分類器やバイナリルールは過度に適合しない。仮説集合が少数の立方体単項を持つDNFからなるLADモデルに対して、Vapnik-Chervonenkis次元(VC次元)を推定することにより、過剰適合の欠如を理論的に正当化する。我々は観察を実証して確認する。

関連論文リスト

Fusing Dictionary Learning and Support Vector Machines for Unsupervised Anomaly Detection [1.5999407512883508]
本稿では,OC-SVMとDL残差関数を1つの合成対象に統一する新たな異常検出モデルを提案する。両方の目的をカーネル関数の使用を可能にするより一般的な設定に拡張する。
論文参考訳（メタデータ） (2024-04-05T12:41:53Z)
The Convex Landscape of Neural Networks: Characterizing Global Optima and Stationary Points via Lasso Models [75.33431791218302]
ディープニューラルネットワーク(DNN)モデルは、プログラミング目的に使用される。本稿では,凸型神経回復モデルについて検討する。定常的非次元目的物はすべて,グローバルサブサンプリング型凸解法プログラムとして特徴付けられることを示す。また, 静止非次元目的物はすべて, グローバルサブサンプリング型凸解法プログラムとして特徴付けられることを示す。
論文参考訳（メタデータ） (2023-12-19T23:04:56Z)
Optimal Discriminant Analysis in High-Dimensional Latent Factor Models [1.4213973379473654]
高次元分類問題において、一般的に用いられるアプローチは、まず高次元の特徴を低次元空間に射影することである。我々は、この2段階の手順を正当化するために、隠れた低次元構造を持つ潜在変数モデルを定式化する。観測された特徴の特定の主成分(PC)を射影とする計算効率の良い分類器を提案する。
論文参考訳（メタデータ） (2022-10-23T21:45:53Z)
Gauge-equivariant flow models for sampling in lattice field theories with pseudofermions [51.52945471576731]
本研究は,フェルミオン行列式の推定器として擬フェルミオンを用いたフェルミオン格子場理論におけるフローベースサンプリングのためのゲージ不変アーキテクチャを提案する。これは最先端の格子場理論計算におけるデフォルトのアプローチであり、QCDのような理論へのフローモデルの実践的応用に欠かせない。
論文参考訳（メタデータ） (2022-07-18T21:13:34Z)
VC Theoretical Explanation of Double Descent [1.52292571922932]
本稿では、二重降下のVC-理論解析を行い、古典的なVC一般化境界によって完全に説明できることを示す。本稿では,分析VCバウンドの分類問題に対する二重降下モデルへの応用について述べる。
論文参考訳（メタデータ） (2022-05-31T05:50:02Z)
Fair Interpretable Representation Learning with Correction Vectors [60.0806628713968]
我々は「補正ベクトル」の学習を中心にした公正表現学習のための新しい枠組みを提案する。このような方法で制約されたいくつかの公正表現学習モデルが、ランキングや分類性能の損失を示さないことを実験的に示す。
論文参考訳（メタデータ） (2022-02-07T11:19:23Z)
GroupifyVAE: from Group-based Definition to VAE-based Unsupervised Representation Disentanglement [91.9003001845855]
他の誘導バイアスを導入しないと、VAEベースの非監視的非絡み合いは実現できない。グループ理論に基づく定義から導かれる制約を非確率的帰納的バイアスとして活用し,vaeに基づく教師なし不連続に対処する。提案手法の有効性を検証するために,5つのデータセット上で,vaeベースモデルが最も目立つ1800モデルをトレーニングした。
論文参考訳（メタデータ） (2021-02-20T09:49:51Z)
Efficient Semi-Implicit Variational Inference [65.07058307271329]
効率的でスケーラブルな半単純外挿 (SIVI) を提案する。本手法はSIVIの証拠を低勾配値の厳密な推測にマッピングする。
論文参考訳（メタデータ） (2021-01-15T11:39:09Z)
Non-parametric Models for Non-negative Functions [48.7576911714538]
同じ良い線形モデルから非負関数に対する最初のモデルを提供する。我々は、それが表現定理を認め、凸問題に対する効率的な二重定式化を提供することを証明した。
論文参考訳（メタデータ） (2020-07-08T07:17:28Z)
Reduced Dilation-Erosion Perceptron for Binary Classification [1.3706331473063877]
ディレーション・エロージョン・パーセプトロン(Dilation-erosion Perceptron, DEP)は、ディレーションとエロージョンの凸結合によって得られるニューラルネットワークである。本稿では,r-DEP(reduce Dilation-erosion)分類器を提案する。
論文参考訳（メタデータ） (2020-03-04T19:50:35Z)

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。