論文の概要: A spectral regularisation framework for latent variable models designed for single channel applications

• arxiv url: http://arxiv.org/abs/2310.19246v1
• Date: Mon, 30 Oct 2023 03:24:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-01 21:46:26.269471
• Title: A spectral regularisation framework for latent variable models designed for single channel applications
• Title（参考訳）: 単一チャネル用潜在変数モデルのためのスペクトル正規化フレームワーク
• Authors: Ryan Balshaw, P. Stephan Heyns, Daniel N. Wilke, Stephan Schmidt
• Abstract要約: 遅延変数モデル(LVM)は一般的に、観測データ内の基盤となる依存関係、パターン、隠れた構造をキャプチャするために使用される。 ソース重複は、単一チャネルLVMアプリケーションに共通するデータハンケライゼーション前処理ステップの副産物である。 提案パッケージは、新しいスペクトル正規化項の追加により、ソース複製問題に対処する。
• 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: Latent variable models (LVMs) are commonly used to capture the underlying dependencies, patterns, and hidden structure in observed data. Source duplication is a by-product of the data hankelisation pre-processing step common to single channel LVM applications, which hinders practical LVM utilisation. In this article, a Python package titled spectrally-regularised-LVMs is presented. The proposed package addresses the source duplication issue via the addition of a novel spectral regularisation term. This package provides a framework for spectral regularisation in single channel LVM applications, thereby making it easier to investigate and utilise LVMs with spectral regularisation. This is achieved via the use of symbolic or explicit representations of potential LVM objective functions which are incorporated into a framework that uses spectral regularisation during the LVM parameter estimation process. The objective of this package is to provide a consistent linear LVM optimisation framework which incorporates spectral regularisation and caters to single channel time-series applications.
• Abstract（参考訳）: 遅延変数モデル(LVM)は一般的に、観測データ内の基盤となる依存関係、パターン、隠れた構造をキャプチャするために使用される。 ソース複製は、単一のチャネルLVMアプリケーションに共通するデータハンケライゼーション前処理ステップの副産物であり、実用的なLVM利用を妨げる。 本稿では,スペクトル規則化-LVMというPythonパッケージを紹介する。 提案パッケージは、新しいスペクトル正規化項の追加により、ソース複製問題に対処する。 このパッケージは、単一チャネルのLVMアプリケーションでスペクトル正則化を行うためのフレームワークを提供するため、スペクトル正則化によるLVMの調査と利用が容易になる。 これは、LVMパラメータ推定プロセス中にスペクトル正規化を使用するフレームワークに組み込まれた潜在的LVM目的関数の記号的あるいは明示的な表現を使用することによって達成される。 このパッケージの目的は、スペクトル正規化と単一チャネルの時系列アプリケーションに適合する一貫した線形lvm最適化フレームワークを提供することである。

関連論文リスト

• Interpetable Target-Feature Aggregation for Multi-Task Learning based on Bias-Variance Analysis [53.38518232934096]
  マルチタスク学習(MTL)は、タスク間の共有知識を活用し、一般化とパフォーマンスを改善するために設計された強力な機械学習パラダイムである。 本稿では,タスククラスタリングと特徴変換の交点におけるMTL手法を提案する。 両段階において、鍵となる側面は減った目標と特徴の解釈可能性を維持することである。
  論文  参考訳（メタデータ） (2024-06-12T08:30:16Z)
• Preventing Model Collapse in Gaussian Process Latent Variable Models [11.45681373843122]
  本稿では,線形フーリエVMのレンズによるモデル崩壊に対する射影分散の影響を理論的に検討する。 我々は、スペクトル混合(SM)カーネルと微分可能乱数特徴(RFF)カーネル近似を統合することにより、カーネルの柔軟性が不十分なため、モデル崩壊に取り組む。 提案したVMは、アドバイスRFLVMと呼ばれ、さまざまなデータセットで評価され、さまざまな競合モデルよりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-04-02T06:58:41Z)
• Parameter and Computation Efficient Transfer Learning for Vision-Language Pre-trained Models [79.34513906324727]
  本稿では,視覚言語事前学習モデルのためのパラメータと効率的な伝達学習(PCETL)を提案する。 そこで本研究では,新しい動的アーキテクチャスキップ(DAS)アプローチを効果的PCETLに適用する。
  論文  参考訳（メタデータ） (2023-09-04T09:34:33Z)
• Collaborative Wideband Spectrum Sensing and Scheduling for Networked UAVs in UTM Systems [2.755290959487378]
  ネットワーク型無人航空機(UAV)の協調広帯域スペクトルセンシングとスケジューリングのためのデータ駆動型フレームワークを提案する。 スペクトルスケジューリングフェーズにおいて、検出されたスペクトル穴を二次ユーザ(UAV)に動的に割り当てるために強化学習(RL)ソリューションを利用する。 この評価手法は、航空機用ML/AIベースのスペクトル管理ソリューションの開発に使用できる大規模なスペクトルデータセットを生成するフレキシブルなフレームワークを提供する。
  論文  参考訳（メタデータ） (2023-08-09T16:08:44Z)
• Bayesian Non-linear Latent Variable Modeling via Random Fourier Features [7.856578780790166]
  一般化非線形潜在変数モデリングのためのマルコフ連鎖モンテカルロ推定法を提案する。 推論 forVM は、データ可能性がガウス的である場合にのみ、計算的に抽出可能である。 ポアソン, 負二項分布, 多項分布などの非ガウス観測にVMを一般化できることが示される。
  論文  参考訳（メタデータ） (2023-06-14T08:42:10Z)
• Can SAM Boost Video Super-Resolution? [78.29033914169025]
  単純な有効モジュールであるSAM-guidEd refinEment Module (SEEM)を提案する。 この軽量プラグインモジュールは、セマンティック・アウェア機能の生成にアテンションメカニズムを活用するように設計されている。 我々はSEEMをEDVRとBasicVSRの2つの代表的手法に適用し、最小限の実装労力で継続的に性能を向上する。
  論文  参考訳（メタデータ） (2023-05-11T02:02:53Z)
• Dual regularized Laplacian spectral clustering methods on community detection [1.0965065178451106]
  双対正則グラフラプラシアン行列を提案し、これを次数補正ブロックモデルの下で3つの古典スペクトルクラスタリング手法に応用する。 3つの改良されたスペクトルクラスタリング法は、二重正則スペクトルクラスタリング (DRSC) 法、二重正則スペクトルクラスタリング (DRSCORE) 法、二重正則対称性ラプラシア逆行列 (DRSLIM) 法である。
  論文  参考訳（メタデータ） (2020-11-09T12:49:25Z)
• Ensemble Model with Batch Spectral Regularization and Data Blending for Cross-Domain Few-Shot Learning with Unlabeled Data [75.94147344921355]
  多様な特徴変換行列を用いてマルチブランチアンサンブルフレームワークを構築する。 本研究では,未ラベルデータを利用したデータブレンディング手法を提案し,対象領域におけるスパースサポートを増強する。
  論文  参考訳（メタデータ） (2020-06-08T02:27:34Z)
• Feature Transformation Ensemble Model with Batch Spectral Regularization for Cross-Domain Few-Shot Classification [66.91839845347604]
  特徴抽出ネットワークの後に多様な特徴変換を行うことにより,アンサンブル予測モデルを提案する。 我々は,事前学習中に特徴行列の特異値を抑制するために,バッチスペクトル正規化項を用い,モデルの一般化能力を向上させる。 提案したモデルは、ターゲット領域で微調整して、数発の分類に対処することができる。
  論文  参考訳（メタデータ） (2020-05-18T05:31:04Z)
• Modal Regression based Structured Low-rank Matrix Recovery for Multi-view Learning [70.57193072829288]
  近年、低ランクなマルチビューサブスペース学習は、クロスビューの分類において大きな可能性を示している。 既存のLMvSLベースの手法では、ビューの区別と差別を同時に扱うことができない。 本稿では,視差を効果的に除去し,識別性を向上する独自の方法であるStructured Low-rank Matrix Recovery (SLMR)を提案する。
  論文  参考訳（メタデータ） (2020-03-22T03:57:38Z)
• Generic Unsupervised Optimization for a Latent Variable Model With Exponential Family Observables [2.321323878201932]
  潜時変数モデル(LVM)は、潜時変数のパラメータ化関数によって観測された変数を表す。 教師なし学習では、特定の非ガウス可観測体を仮定するLVMが検討されている。 指数関数系分布に対して同じ関数形式を特徴とする,非常に簡潔なパラメータ更新方程式の集合を導出できることを示す。
  論文  参考訳（メタデータ） (2020-03-04T17:36:00Z)

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。