Fugu-MT 論文翻訳(概要): Anchor Data Augmentation

論文の概要: Anchor Data Augmentation

arxiv url: http://arxiv.org/abs/2311.06965v2
Date: Mon, 27 Nov 2023 19:22:27 GMT
ステータス: 処理完了
システム内更新日: 2023-11-30 12:51:27.730546
Title: Anchor Data Augmentation
Title（参考訳）: アンカーデータ拡張
Authors: Nora Schneider, Shirin Goshtasbpour, Fernando Perez-Cruz
Abstract要約: 非線形過パラメータ回帰におけるデータ拡張のための新しいアルゴリズムを提案する。我々のデータ拡張アルゴリズムは、因果関係に関する文献から借用し、最近提案されたデータ拡張のためのアンカー回帰(AR)法を拡張した。
参考スコア（独自算出の注目度）: 53.39044919864444
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: We propose a novel algorithm for data augmentation in nonlinear over-parametrized regression. Our data augmentation algorithm borrows from the literature on causality and extends the recently proposed Anchor regression (AR) method for data augmentation, which is in contrast to the current state-of-the-art domain-agnostic solutions that rely on the Mixup literature. Our Anchor Data Augmentation (ADA) uses several replicas of the modified samples in AR to provide more training examples, leading to more robust regression predictions. We apply ADA to linear and nonlinear regression problems using neural networks. ADA is competitive with state-of-the-art C-Mixup solutions.
Abstract（参考訳）: 非線形過パラメータ回帰におけるデータ拡張のための新しいアルゴリズムを提案する。我々のデータ拡張アルゴリズムは、因果関係を文献から借用し、最近提案されたデータ拡張のためのアンカー回帰(AR)法を拡張し、これはMixupの文献に依存する現在の最先端のドメインに依存しないソリューションとは対照的である。私たちのAnchor Data Augmentation(ADA)では、ARの修正サンプルのレプリカをいくつか使用して、さらなるトレーニング例を提供しています。ニューラルネットワークを用いた線形および非線形回帰問題に対してADAを適用した。 ADAは最先端のC-Mixupソリューションと競合する。

関連論文リスト

Deep Generative Symbolic Regression [83.04219479605801]
記号回帰は、データから簡潔な閉形式数学的方程式を発見することを目的としている。既存の手法は、探索から強化学習まで、入力変数の数に応じてスケールできない。本稿では,我々のフレームワークであるDeep Generative Symbolic Regressionのインスタンス化を提案する。
論文参考訳（メタデータ） (2023-12-30T17:05:31Z)
Out of the Ordinary: Spectrally Adapting Regression for Covariate Shift [12.770658031721435]
本稿では,学習前のニューラル回帰モデルの最後の層の重みを適応させて,異なる分布から得られる入力データを改善する手法を提案する。本稿では,この軽量なスペクトル適応手法により,合成および実世界のデータセットの分布外性能が向上することを示す。
論文参考訳（メタデータ） (2023-12-29T04:15:58Z)
Variational Laplace Autoencoders [53.08170674326728]
変分オートエンコーダは、遅延変数の後部を近似するために、償却推論モデルを用いる。完全分解ガウス仮定の限定的後部表現性に対処する新しい手法を提案する。また、深部生成モデルのトレーニングのための変分ラプラスオートエンコーダ(VLAE)という一般的なフレームワークも提示する。
論文参考訳（メタデータ） (2022-11-30T18:59:27Z)
Angular upsampling in diffusion MRI using contextual HemiHex sub-sampling in q-space [0.0]
データを関連するコンテキストに組み込むことで、AIモデルが後部を推測するための最大事前情報が提供されることを保証することが重要である。本稿では,q空間幾何のトレーニングデータサンプリングに好意的に取り組むため,HemiHexサブサンプリングを提案する。提案手法は, 未知の q-空間を推定し, 先行研究の限界に対処する幾何的に最適化された回帰手法である。
論文参考訳（メタデータ） (2022-11-01T03:13:07Z)
Shuffled linear regression through graduated convex relaxation [12.614901374282868]
シャッフル線形回帰問題は、入力と出力の対応が不明なデータセットにおける線形関係を復元することを目的としている。この問題は、調査データを含む広範囲のアプリケーションで発生する。後最大化目的関数に基づく線形回帰をシャッフルする新しい最適化アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-09-30T17:33:48Z)
A flexible empirical Bayes approach to multiple linear regression and connections with penalized regression [8.663322701649454]
大規模多重回帰に対する新しい経験的ベイズ手法を提案する。当社のアプローチでは、フレキシブルな"適応縮小"と変分近似の2つの主要なアイデアが組み合わさっている。提案手法では, 後進平均値がペナル化回帰問題を解く。
論文参考訳（メタデータ） (2022-08-23T12:42:57Z)
Sample Efficiency of Data Augmentation Consistency Regularization [44.19833682906076]
まず,データ拡張整合性(DAC)が拡張データ(DA-ERM)における経験的リスク最小化よりも本質的に効率的であることを示す。そこで我々は,DACを関数クラスの複雑性を低減する手段として再編成するDAC解析のための新しい理論フレームワークを提案する。
論文参考訳（メタデータ） (2022-02-24T17:50:31Z)
Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
論文参考訳（メタデータ） (2021-10-20T06:15:45Z)
SreaMRAK a Streaming Multi-Resolution Adaptive Kernel Algorithm [60.61943386819384]
既存のKRRの実装では、すべてのデータがメインメモリに格納される必要がある。 KRRのストリーミング版であるStreaMRAKを提案する。本稿では,2つの合成問題と2重振り子の軌道予測について紹介する。
論文参考訳（メタデータ） (2021-08-23T21:03:09Z)
A Hypergradient Approach to Robust Regression without Correspondence [85.49775273716503]
本稿では,入力データと出力データとの対応が不十分な回帰問題について考察する。ほとんどの既存手法はサンプルサイズが小さい場合にのみ適用できる。シャッフル回帰問題に対する新しい計算フレームワークであるROBOTを提案する。
論文参考訳（メタデータ） (2020-11-30T21:47:38Z)

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。