Fugu-MT 論文翻訳(概要): HADES: Fast Singularity Detection with Local Measure Comparison

論文の概要: HADES: Fast Singularity Detection with Local Measure Comparison

arxiv url: http://arxiv.org/abs/2311.04171v1
Date: Tue, 7 Nov 2023 17:54:04 GMT
ステータス: 処理完了
システム内更新日: 2023-11-08 14:36:17.418938
Title: HADES: Fast Singularity Detection with Local Measure Comparison
Title（参考訳）: HADES:局所的比較による高速特異度検出
Authors: Uzu Lim, Harald Oberhauser, Vidit Nanda
Abstract要約: 本研究では,データ中の特異点を検出する教師なしアルゴリズムHadesを紹介する。計算実験において、Hadesは合成されたデータの特異点、道路ネットワークデータの分岐点、分子配座空間の交叉環、画像データの異常を復元する。
参考スコア（独自算出の注目度）: 10.118241139691952
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce Hades, an unsupervised algorithm to detect singularities in data. This algorithm employs a kernel goodness-of-fit test, and as a consequence it is much faster and far more scaleable than the existing topology-based alternatives. Using tools from differential geometry and optimal transport theory, we prove that Hades correctly detects singularities with high probability when the data sample lives on a transverse intersection of equidimensional manifolds. In computational experiments, Hades recovers singularities in synthetically generated data, branching points in road network data, intersection rings in molecular conformation space, and anomalies in image data.
Abstract（参考訳）: データ中の特異点を検出するための教師なしアルゴリズムhadesを紹介する。このアルゴリズムはカーネルの好適性テストを採用しており、結果として既存のトポロジベースの代替手法よりもはるかに高速でスケール性が高い。微分幾何学と最適輸送理論のツールを用いて、データサンプルが同次元多様体の横断交叉上に存在するとき、ハデスは高い確率で特異点を正しく検出できることを証明した。計算実験において、Hadesは合成されたデータの特異点、道路ネットワークデータの分岐点、分子配座空間の交叉環、画像データの異常を復元する。

関連論文リスト

A Mirror Descent-Based Algorithm for Corruption-Tolerant Distributed Gradient Descent [57.64826450787237]
本研究では, 分散勾配降下アルゴリズムの挙動を, 敵対的腐敗の有無で解析する方法を示す。汚職耐性の分散最適化アルゴリズムを設計するために、(怠慢な)ミラー降下からアイデアをどう使うかを示す。 MNISTデータセットの線形回帰、サポートベクトル分類、ソフトマックス分類に基づく実験は、我々の理論的知見を裏付けるものである。
論文参考訳（メタデータ） (2024-07-19T08:29:12Z)
Learning to Bound Counterfactual Inference in Structural Causal Models from Observational and Randomised Data [64.96984404868411]
我々は、従来のEMベースのアルゴリズムを拡張するための全体的なデータの特徴付けを導出する。新しいアルゴリズムは、そのような混合データソースからモデルパラメータの(不特定性)領域を近似することを学ぶ。反実的な結果に間隔近似を与え、それが特定可能な場合の点に崩壊する。
論文参考訳（メタデータ） (2022-12-06T12:42:11Z)
Kernel Biclustering algorithm in Hilbert Spaces [8.303238963864885]
我々は,エネルギー距離と平均誤差の最大値という概念を用いて,抽象空間における新しいモデルフリー・ビクラスタリングアルゴリズムを開発した。提案手法は,既存の文献よりも一般的で複雑なクラスタ形状を学習することができる。提案手法は,カーネルの適切な選択を前提として,その最適シナリオにおける最先端手法と類似している。
論文参考訳（メタデータ） (2022-08-07T08:41:46Z)
Intrinsic dimension estimation for discrete metrics [65.5438227932088]
本稿では,離散空間に埋め込まれたデータセットの内在次元(ID)を推定するアルゴリズムを提案する。我々は,その精度をベンチマークデータセットで示すとともに,種鑑定のためのメダゲノミクスデータセットの分析に応用する。このことは、列の空間の高次元性にもかかわらず、蒸発圧が低次元多様体に作用することを示唆している。
論文参考訳（メタデータ） (2022-07-20T06:38:36Z)
A Robust and Flexible EM Algorithm for Mixtures of Elliptical Distributions with Missing Data [71.9573352891936]
本稿では、ノイズや非ガウス的なデータに対するデータ計算の欠如に対処する。楕円分布と潜在的な欠落データを扱う特性を混合した新しいEMアルゴリズムについて検討した。合成データの実験的結果は,提案アルゴリズムが外れ値に対して頑健であり,非ガウスデータで使用可能であることを示す。
論文参考訳（メタデータ） (2022-01-28T10:01:37Z)
Projected Sliced Wasserstein Autoencoder-based Hyperspectral Images Anomaly Detection [42.585075865267946]
本稿では,PSW自動エンコーダを用いた異常検出手法を提案する。特に、計算フレンドリーな固有分解法を利用して、高次元データをスライスする主成分を見つける。様々な実世界のハイパースペクトル異常検出ベンチマークで実施した総合的な実験は,提案手法の優れた性能を示す。
論文参考訳（メタデータ） (2021-12-20T09:21:02Z)
Inferring Manifolds From Noisy Data Using Gaussian Processes [17.166283428199634]
ほとんどの既存の多様体学習アルゴリズムは、元のデータを低次元座標で置き換える。本稿では,これらの問題に対処するための新しい手法を提案する。
論文参考訳（メタデータ） (2021-10-14T15:50:38Z)
High-dimensional separability for one- and few-shot learning [58.8599521537]
この作業は、実用的な質問、人工知能(AI)エラーの修正によって進められている。特殊な外部デバイスである修正器が開発されている。従来のAIシステムを変更することなく、迅速かつ非イテレーティブなシステム修正を提供する必要がある。 AIシステムの新しいマルチコレクタが提示され、深層畳み込みニューラルネットワークによってエラーを予測し、新しいクラスのオブジェクトを学習する例が紹介される。
論文参考訳（メタデータ） (2021-06-28T14:58:14Z)
BikNN: Anomaly Estimation in Bilateral Domains with k-Nearest Neighbors [1.2183405753834562]
本論文では異常推定のための新しい枠組みを提案する。空間領域と密度領域の両方における異常の程度を推定する。本手法は,空間領域と密度領域の両方を考慮に入れ,数個のパラメータを手動で調整することで異なるデータセットに適用できる。
論文参考訳（メタデータ） (2021-05-11T13:45:29Z)
Sparse PCA via $l_{2,p}$-Norm Regularization for Unsupervised Feature Selection [138.97647716793333]
再構成誤差を$l_2,p$ノルム正規化と組み合わせることで,単純かつ効率的な特徴選択手法を提案する。提案する非教師付きモデルを解くための効率的な最適化アルゴリズムを提案し,アルゴリズムの収束と計算の複雑さを理論的に解析する。
論文参考訳（メタデータ） (2020-12-29T04:08:38Z)
Distributed Bayesian Matrix Decomposition for Big Data Mining and Clustering [13.491022200305824]
本稿では,ビッグデータマイニングとクラスタリングのための分散行列分解モデルを提案する。具体的には, 1) 加速度勾配降下, 2) 乗算器の交互方向法, 3) 統計的推論の3つの方法を採用する。我々のアルゴリズムは、ビッグデータによく対応し、他の分散手法と比較して優れた、あるいは競合する性能を達成する。
論文参考訳（メタデータ） (2020-02-10T13:10:53Z)

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。