論文の概要: Similarity-based analogical proportions
- arxiv url: http://arxiv.org/abs/2402.18360v1
- Date: Wed, 28 Feb 2024 14:31:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-29 14:44:57.103661
- Title: Similarity-based analogical proportions
- Title(参考訳): 類似性に基づく類比
- Authors: Christian Anti\'c
- Abstract要約: 本論文の目的は, 前者の観点から後者を定式化することによって, 類似性から類似性へ橋を架けることである。
この類似性に基づくアプローチの利点は、比例と類似性の間の関係がフレームワークに組み込まれていることである。
- 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: The author has recently introduced abstract algebraic frameworks of
analogical proportions and similarity within the general setting of universal
algebra. The purpose of this paper is to build a bridge from similarity to
analogical proportions by formulating the latter in terms of the former. The
benefit of this similarity-based approach is that the connection between
proportions and similarity is built into the framework and therefore evident
which is appealing since proportions and similarity are both at the center of
analogy; moreover, future results on similarity can directly be applied to
analogical proportions.
- Abstract(参考訳): 著者は、最近、普遍代数の一般設定において、類比と類似性の抽象代数的枠組みを導入した。
本論文の目的は, 前者の観点から後者を定式化することによって, 類似性から類似性へ橋を架けることである。
この類似性に基づくアプローチの利点は、類似度と類似度の間の関係がフレームワークに組み込まれているため、類似度と類似度の両方がアナロジーの中心にあるため、どちらが魅力的であるかが明らかである。
関連論文リスト
- Cluster-Aware Similarity Diffusion for Instance Retrieval [64.40171728912702]
拡散に基づく再ランク付け(diffusion-based re-level)は、隣り合うグラフで類似性の伝播を実行することで、インスタンスを検索する一般的な方法である。
本稿では,新しいクラスタ・アウェア類似性(CAS)拡散モデルを提案する。
論文 参考訳(メタデータ) (2024-06-04T14:19:50Z) - Interpretable Measures of Conceptual Similarity by
Complexity-Constrained Descriptive Auto-Encoding [112.0878081944858]
画像間の類似度を定量化することは、画像ベースの機械学習にとって重要な著作権問題である。
我々は,高次関係を捉えた画像間での「概念的類似性」の概念を定義し,計算することを目指している。
2つの非常に異種な画像は、その記述の早い段階で識別できるが、概念的に異種な画像は、より詳細を区別する必要がある。
論文 参考訳(メタデータ) (2024-02-14T03:31:17Z) - Generalization-baed similarity [0.0]
我々は、一般化の集合が要素の重要な性質を符号化する観察に基づいて、類似性の抽象的な概念を開発する。
この方法で定義される類似性は、数学的性質に訴えるものであることを示す。
論文 参考訳(メタデータ) (2023-02-13T14:48:59Z) - Some recent advances in reasoning based on analogical proportions [9.861775841965386]
アナロジー比は類推の形式化において重要な役割を果たしている。
本稿ではまず,精度と計算コストの観点から,アナログ推論を改善する方法について論じる。
論文 参考訳(メタデータ) (2022-12-22T14:10:14Z) - Counting Like Human: Anthropoid Crowd Counting on Modeling the
Similarity of Objects [92.80955339180119]
メインストリームの群衆計数法は 密度マップを補強して 計数結果を得るために統合する。
これに触発された我々は,合理的かつ人為的な集団カウントフレームワークを提案する。
論文 参考訳(メタデータ) (2022-12-02T07:00:53Z) - Evaluation of taxonomic and neural embedding methods for calculating
semantic similarity [0.0]
分類学的類似度尺度と分布的類似度尺度のメカニズムについて検討する。
分類学的類似度尺度は、意味的類似度を予測するための素因として、最短経路長に依存する可能性がある。
類似性予測における概念関係と神経埋め込みの相乗効果は、伝達学習における知識ベースを活用する新しい傾向を示す可能性がある。
論文 参考訳(メタデータ) (2022-09-30T02:54:21Z) - Attributable Visual Similarity Learning [90.69718495533144]
本稿では、画像間のより正確で説明可能な類似度測定のための帰属的視覚類似度学習(AVSL)フレームワークを提案する。
人間の意味的類似性認知に動機づけられた2つの画像とグラフとの類似性を表現するために,一般化された類似性学習パラダイムを提案する。
CUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、既存の深い類似性学習方法よりも大幅に改善されたことを示している。
論文 参考訳(メタデータ) (2022-03-28T17:35:31Z) - MNet-Sim: A Multi-layered Semantic Similarity Network to Evaluate
Sentence Similarity [0.0]
類似性(英: similarity)は、それが考慮される領域によって異なる比較目的測度である。
本稿では,複数の類似度に基づく多層意味類似性ネットワークモデルを提案する。
その結果, 文類似性の評価において, 性能スコアが向上していることが判明した。
論文 参考訳(メタデータ) (2021-11-09T20:43:18Z) - Few-shot Visual Reasoning with Meta-analogical Contrastive Learning [141.2562447971]
本稿では,類似推論に頼って,数ショット(または低ショット)の視覚推論問題を解くことを提案する。
両領域の要素間の構造的関係を抽出し、類似学習と可能な限り類似するように強制する。
RAVENデータセット上での本手法の有効性を検証し, トレーニングデータが少ない場合, 最先端の手法より優れることを示す。
論文 参考訳(メタデータ) (2020-07-23T14:00:34Z) - Pairwise Supervision Can Provably Elicit a Decision Boundary [84.58020117487898]
類似性学習は、パターンのペア間の関係を予測することによって有用な表現を引き出す問題である。
類似性学習は、決定境界を直接引き出すことによって二項分類を解くことができることを示す。
論文 参考訳(メタデータ) (2020-06-11T05:35:16Z) - Analogy as Nonparametric Bayesian Inference over Relational Systems [10.736626320566705]
本稿では,従来の関係構造からの予測を類似的に重み付けすることで,関係知識を新しい環境に一般化するベイズモデルを提案する。
この学習者は, 環境経験が小さい場合に, ランダム・ウィキペディア・システムから派生した関係データに基づいて, ナイーブな理論に基づく学習者より優れていることを示す。
論文 参考訳(メタデータ) (2020-06-07T14:07:46Z)
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。