Fugu-MT 論文翻訳(概要): Dendrogram distance: an evaluation metric for generative networks using hierarchical clustering

論文の概要: Dendrogram distance: an evaluation metric for generative networks using hierarchical clustering

arxiv url: http://arxiv.org/abs/2311.16894v1
Date: Tue, 28 Nov 2023 15:46:12 GMT
ステータス: 処理完了
システム内更新日: 2023-11-29 17:53:50.609845
Title: Dendrogram distance: an evaluation metric for generative networks using hierarchical clustering
Title（参考訳）: デンドログラム距離:階層クラスタリングを用いた生成ネットワークの評価指標
Authors: Gustavo Sutter Carvalho and Moacir Antonelli Ponti
Abstract要約: 本稿では,主に生成ネットワークに着目した生成モデル評価のための新しい指標を提案する。この方法では、デンドログラムを使って実データと偽データを表現し、トレーニングと生成されたサンプルのばらつきを計算できる。
参考スコア（独自算出の注目度）: 2.4283303315272713
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a novel metric for generative modeling evaluation, focusing primarily on generative networks. The method uses dendrograms to represent real and fake data, allowing for the divergence between training and generated samples to be computed. This metric focus on mode collapse, targeting generators that are not able to capture all modes in the training set. To evaluate the proposed method it is introduced a validation scheme based on sampling from real datasets, therefore the metric is evaluated in a controlled environment and proves to be competitive with other state-of-the-art approaches.
Abstract（参考訳）: 本稿では,生成ネットワークに着目した生成モデル評価のための新しい指標を提案する。この方法はデンドログラムを使って実データと偽データを表現し、トレーニングと生成されたサンプルの発散を計算できる。このメトリクスは、トレーニングセットのすべてのモードをキャプチャできないジェネレータをターゲットにしたモード崩壊に焦点を当てている。提案手法を評価するために,実際のデータセットからのサンプリングに基づく検証手法を導入し,制御された環境で評価し,他の最先端手法と競合することを示す。

関連論文リスト

Model Evaluation and Anomaly Detection in Temporal Complex Networks using Deep Learning Methods [0.0]
本稿では,時間的ネットワークモデルの結果評価の問題に対処するために,ディープラーニングに基づく自動アプローチを提案する。評価法に加えて,提案手法は進化するネットワークにおける異常検出にも利用できる。
論文参考訳（メタデータ） (2024-06-15T09:19:09Z)
Generative modeling of density regression through tree flows [3.0262553206264893]
本稿では,表データの密度回帰タスクに適したフローベース生成モデルを提案する。本稿では,木質変換を分割・対数戦略を用いて適合させる学習アルゴリズムを提案する。本手法は, トレーニングおよびサンプリング予算のごく一部において, 同等あるいは優れた性能を継続的に達成する。
論文参考訳（メタデータ） (2024-06-07T21:07:35Z)
Time-series Generation by Contrastive Imitation [87.51882102248395]
モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
論文参考訳（メタデータ） (2023-11-02T16:45:25Z)
Supervised Homography Learning with Realistic Dataset Generation [60.934401870005026]
生成フェーズとトレーニングフェーズの2つのフェーズからなる反復的なフレームワークを提案する。生成段階では、ラベルのない画像対が与えられた場合、事前に推定された支配的な平面マスクとペアのホモグラフィを利用する。トレーニングフェーズでは、生成されたデータを使用して、教師付きホモグラフィネットワークをトレーニングする。
論文参考訳（メタデータ） (2023-07-28T07:03:18Z)
Metric Distribution to Vector: Constructing Data Representation via Broad-Scale Discrepancies [15.40538348604094]
本稿では,各データに対するベクトル表現に分布特性を抽出するために, $mathbfMetricDistribution2vec$ という新しい埋め込み方式を提案する。本研究では,広範囲な実世界構造グラフデータセット上での教師付き予測タスクにおける表現法の適用と有効性を示す。
論文参考訳（メタデータ） (2022-10-02T03:18:30Z)
VAESim: A probabilistic approach for self-supervised prototype discovery [0.23624125155742057]
条件付き変分オートエンコーダに基づく画像階層化アーキテクチャを提案する。我々は、連続した潜伏空間を用いて障害の連続を表現し、訓練中にクラスターを見つけ、画像/患者の成層に使用することができる。本手法は,標準VAEに対して,分類タスクで測定されたkNN精度において,ベースラインよりも優れていることを示す。
論文参考訳（メタデータ） (2022-09-25T17:55:31Z)
Data-heterogeneity-aware Mixing for Decentralized Learning [63.83913592085953]
グラフの混合重みとノード間のデータ不均一性の関係に収束の依存性を特徴付ける。グラフが現在の勾配を混合する能力を定量化する計量法を提案する。そこで本研究では,パラメータを周期的かつ効率的に最適化する手法を提案する。
論文参考訳（メタデータ） (2022-04-13T15:54:35Z)
Adversarial Manifold Matching via Deep Metric Learning for Generative Modeling [5.5840609705075055]
本稿では,分布生成器と距離生成器を含む生成モデルに対する多様体マッチング手法を提案する。分布生成器は、実データ多様体の周りに凝縮された分布に従うサンプルを生成することを目的としている。距離計生成器は、実データと生成されたサンプルの両方を利用して距離計を学習する。
論文参考訳（メタデータ） (2021-06-20T23:25:01Z)
Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
論文参考訳（メタデータ） (2021-02-27T03:17:20Z)
BREEDS: Benchmarks for Subpopulation Shift [98.90314444545204]
本研究では,人口変動に対するモデルのロバスト性を評価する手法を開発した。既存のデータセットの基盤となるクラス構造を利用して、トレーニングとテストの分散を構成するデータサブポピュレーションを制御する。この手法をImageNetデータセットに適用し、様々な粒度のサブポピュレーションシフトベンチマークスイートを作成する。
論文参考訳（メタデータ） (2020-08-11T17:04:47Z)
Benchmarking Network Embedding Models for Link Prediction: Are We Making Progress? [84.43405961569256]
我々はリンク予測のためのネットワーク埋め込み手法の最先端について光を当てた。私たちは、一貫した評価パイプラインを使用して、過去数年間でわずかに進歩しただけであることを示しています。我々は、標準化された評価ツールがこの状況を修復し、この分野の将来的な進歩を促進することができると論じている。
論文参考訳（メタデータ） (2020-02-25T16:59:09Z)

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。