論文の概要: MIML library: a Modular and Flexible Library for Multi-instance
Multi-label Learning
- arxiv url: http://arxiv.org/abs/2402.08056v1
- Date: Mon, 12 Feb 2024 20:46:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-14 17:44:12.989463
- Title: MIML library: a Modular and Flexible Library for Multi-instance
Multi-label Learning
- Title（参考訳）: MIMLライブラリ:多言語多言語学習のためのモジュール・フレキシブルライブラリ
- Authors: \'Alvaro Belmonte and Amelia Zafra and Eva Gibaja
- Abstract要約: MIMLライブラリは、Multi-instance Multi-label (MIML)学習のための分類アルゴリズムを開発し、テストし、比較するJavaソフトウェアツールである。
このライブラリには43のアルゴリズムが含まれており、データ管理とパーティショニング、ホールドアウト、クロスバリデーションのための特定のフォーマットと機能を提供している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: MIML library is a Java software tool to develop, test, and compare
classification algorithms for multi-instance multi-label (MIML) learning. The
library includes 43 algorithms and provides a specific format and facilities
for data managing and partitioning, holdout and cross-validation methods,
standard metrics for performance evaluation, and generation of reports. In
addition, algorithms can be executed through $xml$ configuration files without
needing to program. It is platform-independent, extensible, free, open-source,
and available on GitHub under the GNU General Public License.
- Abstract（参考訳）: MIMLライブラリは、マルチインスタンス・マルチラベル(MIML)学習のための分類アルゴリズムを開発し、テストし、比較するJavaソフトウェアツールである。
このライブラリには43のアルゴリズムが含まれており、データ管理とパーティショニング、ホールドアウトとクロスバリデーションの方法、パフォーマンス評価のための標準メトリクス、レポートの生成のための特定のフォーマットと設備を提供する。
さらに、アルゴリズムはプログラムを必要とせずに$xml$設定ファイルを通じて実行できる。
プラットフォームに依存しない,拡張可能な,無償のオープンソースで,GNU General Public Licenseの下でGitHubから入手可能だ。
関連論文リスト
- LIBMoE: A Library for comprehensive benchmarking Mixture of Experts in Large Language Models [7.164238322896674]
emphLibMoEは、MoEアルゴリズムの研究、トレーニング、評価を効率化する包括的なフレームワークである。
LibMoEは、トレーニングと評価パイプラインの標準化によって、大規模な言語モデル(LLM)にMoEを提供する。
論文 参考訳（メタデータ） (2024-11-01T14:04:36Z) - LLMBox: A Comprehensive Library for Large Language Models [109.15654830320553]
本稿では,大規模言語モデル (LLM) の開発, 使用, 評価を容易にするために, 包括的で統一されたライブラリ LLMBox を提案する。
このライブラリには,(1)多様なトレーニング戦略の柔軟な実装を支援する統一データインターフェース,(2)広範囲なタスクやデータセット,モデルをカバーする包括的な評価,(3)ユーザフレンドリさや効率性など,より実践的な考慮,という3つのメリットがある。
論文 参考訳（メタデータ） (2024-07-08T02:39:33Z) - Large Language Model-Aware In-Context Learning for Code Generation [75.68709482932903]
大規模言語モデル(LLM)は、コード生成において印象的なコンテキスト内学習(ICL)能力を示している。
コード生成のためのLAIL (LLM-Aware In-context Learning) という新しい学習ベース選択手法を提案する。
論文 参考訳（メタデータ） (2023-10-15T06:12:58Z) - FuzzyLogic.jl: a Flexible Library for Efficient and Productive Fuzzy
Inference [5.584060970507507]
本稿では,ファジィ推論を行うJuliaライブラリであるtextscFuzzyLogic.jlを紹介する。
ライブラリは完全にオープンソースで、パーミッシブライセンスでリリースされている。
論文 参考訳（メタデータ） (2023-06-17T10:43:09Z) - SequeL: A Continual Learning Library in PyTorch and JAX [50.33956216274694]
SequeLは継続学習のためのライブラリで、PyTorchとJAXフレームワークの両方をサポートする。
それは、正規化ベースのアプローチ、リプレイベースのアプローチ、ハイブリッドアプローチを含む、幅広い連続学習アルゴリズムのための統一インターフェースを提供する。
私たちはSequeLをオープンソースライブラリとしてリリースし、研究者や開発者が自身の目的で簡単にライブラリを実験し拡張することができます。
論文 参考訳（メタデータ） (2023-04-21T10:00:22Z) - Code Librarian: A Software Package Recommendation System [65.05559087332347]
オープンソースライブラリ用のリコメンデーションエンジンであるLibrarianを提示する。
1)プログラムのインポートライブラリで頻繁に使用されること、2)プログラムのインポートライブラリと似た機能を持つこと、3)開発者の実装と似た機能を持つこと、4)提供されるコードのコンテキストで効率的に使用できること、である。
論文 参考訳（メタデータ） (2022-10-11T12:30:05Z) - MARLlib: A Scalable and Efficient Multi-agent Reinforcement Learning
Library [82.77446613763809]
本稿では,マルチエージェントタスクとアルゴリズムの組み合わせを高速に開発するためのライブラリであるMARLlibを紹介する。
MARLlibは、マルチエージェントタスクとアルゴリズムの学習過程を効果的に切り離すことができる。
ライブラリのソースコードはGitHubで公開されている。
論文 参考訳（メタデータ） (2022-10-11T03:11:12Z) - PyRelationAL: A Library for Active Learning Research and Development [0.11545092788508224]
PyRelationALは、アクティブラーニング(AL)研究のためのオープンソースライブラリである。
既存の文献に基づいたベンチマークデータセットとALタスク設定へのアクセスを提供する。
我々は、ベンチマークデータセットのPyRelationALコレクションの実験を行い、ALが提供できる相当な経済状況を示す。
論文 参考訳（メタデータ） (2022-05-23T08:21:21Z) - MRCpy: A Library for Minimax Risk Classifiers [10.380882297891272]
PythonライブラリであるMRCpyは、ロバストリスク最小化(RRM)アプローチに基づいて、ミニマックスリスク分類器(MRC)を実装している。
MRCpyは、Scikit-learnのような人気のあるPythonライブラリの標準に従い、可読性と使いやすさと、他のライブラリとのシームレスな統合を容易にする。
論文 参考訳（メタデータ） (2021-08-04T10:31:20Z) - FedML: A Research Library and Benchmark for Federated Machine Learning [55.09054608875831]
フェデレート・ラーニング(Federated Learning, FL)は、機械学習の分野で急速に成長している研究分野である。
既存のFLライブラリは多様なアルゴリズム開発を適切にサポートできない。
FLアルゴリズムの開発と公正な性能比較を容易にするための,オープンな研究ライブラリとベンチマークであるFedMLを紹介する。
論文 参考訳（メタデータ） (2020-07-27T13:02:08Z)
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。