Fugu-MT 論文翻訳(概要): Robust matrix completion via Novel M-estimator Functions

論文の概要: Robust matrix completion via Novel M-estimator Functions

arxiv url: http://arxiv.org/abs/2310.04953v1
Date: Sun, 8 Oct 2023 00:25:34 GMT
ステータス: 処理完了
システム内更新日: 2023-10-12 14:06:16.681159
Title: Robust matrix completion via Novel M-estimator Functions
Title（参考訳）: 新規M-推定関数によるロバスト行列の完備化
Authors: Zhi-Yong Wang and Hing Cheung So
Abstract要約: Welsch や Cauchy などの M-estmators は、外れ値に対する堅牢性のために広く採用されているが、汚染されていないデータも低い。我々は、$-corruptedデータのみをダウンウェイディングする非破壊観測のクラスを生成するためのフレームワークを考案した。
参考スコア（独自算出の注目度）: 23.09095057952031
License: http://creativecommons.org/licenses/by/4.0/
Abstract: M-estmators including the Welsch and Cauchy have been widely adopted for robustness against outliers, but they also down-weigh the uncontaminated data. To address this issue, we devise a framework to generate a class of nonconvex functions which only down-weigh outlier-corrupted observations. Our framework is then applied to the Welsch, Cauchy and $\ell_p$-norm functions to produce the corresponding robust loss functions. Targeting on the application of robust matrix completion, efficient algorithms based on these functions are developed and their convergence is analyzed. Finally, extensive numerical results demonstrate that the proposed methods are superior to the competitors in terms of recovery accuracy and runtime.
Abstract（参考訳）: Welsch や Cauchy など M-estmators は、外れ値に対するロバスト性のために広く採用されているが、汚染されていないデータも下回っている。この問題に対処するため,非凸関数のクラスを生成するためのフレームワークを考案した。次に、Welsch, Cauchy および $\ell_p$-norm 関数に適用して、対応するロバストな損失関数を生成する。ロバスト行列補完の適用を目標として、これらの関数に基づく効率的なアルゴリズムを開発し、それらの収束解析を行う。最後に, 提案手法は, 回復精度と実行時間において, 競合手法よりも優れていることを示す。

関連論文リスト

AnyLoss: Transforming Classification Metrics into Loss Functions [21.34290540936501]
評価指標は、バイナリ分類タスクにおけるモデルの性能を評価するために使用することができる。ほとんどのメトリクスは、非微分可能形式の混乱行列から派生しており、直接最適化できる微分可能損失関数を生成することは困難である。本稿では,任意の混乱行列に基づく計量を,最適化プロセスで利用可能な損失関数 textitAnyLoss に変換する汎用的アプローチを提案する。
論文参考訳（メタデータ） (2024-05-23T16:14:16Z)
Equation Discovery with Bayesian Spike-and-Slab Priors and Efficient Kernels [57.46832672991433]
ケルネル学習とBayesian Spike-and-Slab pres (KBASS)に基づく新しい方程式探索法を提案する。カーネルレグレッションを用いてターゲット関数を推定する。これはフレキシブルで表現力があり、データ空間やノイズに対してより堅牢である。我々は,効率的な後部推論と関数推定のための予測伝搬予測最大化アルゴリズムを開発した。
論文参考訳（メタデータ） (2023-10-09T03:55:09Z)
A framework to generate sparsity-inducing regularizers for enhanced low-rank matrix completion [23.09095057952031]
損失関数からスパーシリティ誘導器(SIR)を生成するためのフレームワークを考案する。また,低ランク行列補完によく用いられるサロゲートを用いて,我々の数値的枠組みを規定する。本手法は,回復性能と実行時間の観点から,本手法の有効性を示す。
論文参考訳（メタデータ） (2023-10-08T00:35:54Z)
Smoothing Policy Iteration for Zero-sum Markov Games [9.158672246275348]
ゼロサムMGの解法としてスムージングポリシロバストネス(SPI)アルゴリズムを提案する。特に、対向ポリシーは、作用空間上の効率的なサンプリングを可能にする重み関数として機能する。また,SPIを関数近似で拡張することにより,Smooth adversarial Actor-critic (SaAC) と呼ばれるモデルベースアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-12-03T14:39:06Z)
Benefits of Monotonicity in Safe Exploration with Gaussian Processes [50.71125084216603]
動作の集合上で未知の関数を逐次最大化する問題を考察する。 M-SafeUCBは、安全性、適切に定義された後悔の念、安全境界全体の発見という理論的な保証を享受していることを示す。
論文参考訳（メタデータ） (2022-11-03T02:52:30Z)
Outlier-Robust Sparse Estimation via Non-Convex Optimization [73.18654719887205]
空間的制約が存在する場合の高次元統計量と非破壊的最適化の関連について検討する。これらの問題に対する新規で簡単な最適化法を開発した。結論として、効率よくステーションに収束する一階法は、これらのタスクに対して効率的なアルゴリズムを導出する。
論文参考訳（メタデータ） (2021-09-23T17:38:24Z)
Solving weakly supervised regression problem using low-rank manifold regularization [77.34726150561087]
我々は弱い教師付き回帰問題を解く。 weakly"の下では、いくつかのトレーニングポイントではラベルが知られ、未知のものもあれば、無作為なノイズの存在やリソースの欠如などの理由によって不確かであることが分かっています。数値的な節ではモンテカルロモデルを用いて提案手法を人工と実のデータセットに適用した。
論文参考訳（メタデータ） (2021-04-13T23:21:01Z)
Adversarial Robustness Guarantees for Gaussian Processes [22.403365399119107]
ガウス過程(GP)は、モデルの不確実性の原理的計算を可能にし、安全性に重要なアプリケーションに魅力的です。境界付き摂動に対するモデル決定の不変性として定義されるGPの対向的堅牢性を分析するためのフレームワークを提案する。我々は境界を洗練し、任意の$epsilon > 0$に対して、我々のアルゴリズムが有限個の反復で実際の値に$epsilon$-closeの値に収束することを保証していることを示す分岐とバウンドのスキームを開発する。
論文参考訳（メタデータ） (2021-04-07T15:14:56Z)
Global Optimization of Objective Functions Represented by ReLU Networks [77.55969359556032]
ニューラルネットワークは複雑で非敵対的な関数を学ぶことができ、安全クリティカルな文脈でそれらの正しい振る舞いを保証することは困難である。ネットワーク内の障害を見つけるための多くのアプローチ(例えば、敵の例)があるが、これらは障害の欠如を保証できない。本稿では,最適化プロセスを検証手順に統合し,本手法よりも優れた性能を実現する手法を提案する。
論文参考訳（メタデータ） (2020-10-07T08:19:48Z)
Provably Convergent Working Set Algorithm for Non-Convex Regularized Regression [0.0]
本稿では、収束保証付き非正則正規化器のためのワーキングセットアルゴリズムを提案する。その結果,ブロックコーディネートや勾配ソルバの完全解法と比較して高い利得を示した。
論文参考訳（メタデータ） (2020-06-24T07:40:31Z)
High-Dimensional Robust Mean Estimation via Gradient Descent [73.61354272612752]
一定対向分数の存在下でのロバスト平均推定の問題は勾配降下によって解けることを示す。我々の研究は、近辺の非補題推定とロバスト統計の間の興味深い関係を確立する。
論文参考訳（メタデータ） (2020-05-04T10:48:04Z)

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。