Fugu-MT 論文翻訳(概要): Semi-supervised Fréchet Regression

論文の概要: Semi-supervised Fréchet Regression

arxiv url: http://arxiv.org/abs/2404.10444v1
Date: Tue, 16 Apr 2024 10:30:52 GMT
ステータス: 処理完了
システム内更新日: 2024-04-17 17:13:30.389207
Title: Semi-supervised Fréchet Regression
Title（参考訳）: 半教師付きフレシェ回帰
Authors: Rui Qiu, Zhou Yu, Zhenhua Lin,
Abstract要約: 半教師付きNW Fr'echet回帰と半教師付きkNN Fr'echet回帰である。ラベル付きデータと大量のラベル付きデータで収束率を確立する。教師付き手法よりも優れた性能を示す。
参考スコア（独自算出の注目度）: 17.50054014010016
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper explores the field of semi-supervised Fr\'echet regression, driven by the significant costs associated with obtaining non-Euclidean labels. Methodologically, we propose two novel methods: semi-supervised NW Fr\'echet regression and semi-supervised kNN Fr\'echet regression, both based on graph distance acquired from all feature instances. These methods extend the scope of existing semi-supervised Euclidean regression methods. We establish their convergence rates with limited labeled data and large amounts of unlabeled data, taking into account the low-dimensional manifold structure of the feature space. Through comprehensive simulations across diverse settings and applications to real data, we demonstrate the superior performance of our methods over their supervised counterparts. This study addresses existing research gaps and paves the way for further exploration and advancements in the field of semi-supervised Fr\'echet regression.
Abstract（参考訳）: 本稿では, 半教師付きFr'echet回帰の分野について考察する。提案手法は,すべての特徴量から得られるグラフ距離に基づいて,半教師付きNW Fr'echet回帰と半教師付きkNN Fr'echet回帰という2つの新しい手法を提案する。これらの手法は、既存の半教師付きユークリッド回帰法の範囲を広げる。特徴空間の低次元多様体構造を考慮した限定ラベル付きデータと大量のラベル付きデータによる収束率を確立する。多様な設定やアプリケーションから実際のデータへの包括的シミュレーションを通じて、本手法の教師付き手法よりも優れた性能を実証する。本研究では、既存の研究ギャップに対処し、半教師付きFr'echet回帰の分野におけるさらなる探索と発展の道を開く。

関連論文リスト

Mixed Matrix Completion in Complex Survey Sampling under Heterogeneous Missingness [6.278498348219109]
サブ線形収束を実現する高速でスケーラブルな推定アルゴリズムを提案する。本手法は,全国保健栄養検査調査データの分析に応用される。
論文参考訳（メタデータ） (2024-02-06T12:26:58Z)
Conformal inference for regression on Riemannian Manifolds [49.7719149179179]
回帰シナリオの予測セットは、応答変数が$Y$で、多様体に存在し、Xで表される共変数がユークリッド空間にあるときに検討する。我々は、多様体上のこれらの領域の経験的バージョンが、その集団に対するほぼ確実に収束していることを証明する。
論文参考訳（メタデータ） (2023-10-12T10:56:25Z)
Large-scale Fully-Unsupervised Re-Identification [78.47108158030213]
大規模未ラベルデータから学ぶための2つの戦略を提案する。第1の戦略は、近傍関係に違反することなく、それぞれのデータセットサイズを減らすために、局所的な近傍サンプリングを行う。第2の戦略は、低時間上限の複雑さを持ち、メモリの複雑さを O(n2) から O(kn) に k n で還元する新しい再帰的手法を利用する。
論文参考訳（メタデータ） (2023-07-26T16:19:19Z)
Medoid splits for efficient random forests in metric spaces [0.0]
本稿では、Fr'echet回帰に対するランダムフォレストの適応を再検討し、計量空間における回帰の課題に対処する。本稿では,Fr'echetの計算コストのかかる操作を,メドイドベースのアプローチで置き換えることによって回避する新たな分割規則を提案する。
論文参考訳（メタデータ） (2023-06-29T15:32:11Z)
Optimal Heterogeneous Collaborative Linear Regression and Contextual Bandits [34.121889149071684]
本研究では、各インスタンスの関連パラメータが大域的パラメータとスパースなインスタンス固有項と等しくなるような協調線形回帰と文脈的バンドイットについて検討する。 MOLARと呼ばれる新しい2段階推定器を提案し、まず、インスタンスの線形回帰推定のエントリーワイド中央値を構築し、その後、インスタンス固有推定値を中央値に向けて縮小することで、この構造を利用する。次に、MOLARを用いて、不均一な協調的文脈的包帯の手法を開発し、独立した包帯法と比較して、後悔の保証を改善する。
論文参考訳（メタデータ） (2023-06-09T22:48:13Z)
Interpolation-based Correlation Reduction Network for Semi-Supervised Graph Learning [49.94816548023729]
補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
論文参考訳（メタデータ） (2022-06-06T14:26:34Z)
An Intermediate-level Attack Framework on The Basis of Linear Regression [89.85593878754571]
本論文はECCVにおいて,いくつかのベースライン対向例の転送性を改善するため,中間レベルアタック(中間レベルアタック)を提案し,本研究を実質的に拡張するものである。我々は,中間レベルの相違点(対角的特徴と良性的特徴)から,対角的例の分類的損失への直接的な線形写像の確立を提唱する。 1) 様々な線形回帰モデルがマッピングを確立するために考慮可能であること,2) 最終的に得られた中間レベル差の大きさが逆転率と線形に相関していること,3) ベースラインアタックを複数回実行することで,さらなる性能向上が達成できること,などが示される。
論文参考訳（メタデータ） (2022-03-21T03:54:53Z)
Random Forest Weighted Local Fréchet Regression with Random Objects [18.128663071848923]
本稿では,新しいランダム森林重み付き局所Fr'echet回帰パラダイムを提案する。最初の方法は、これらの重みを局所平均として、条件付きFr'echet平均を解くことである。第二の手法は局所線形Fr'echet回帰を行い、どちらも既存のFr'echet回帰法を大幅に改善した。
論文参考訳（メタデータ） (2022-02-10T09:10:59Z)
Dimension Reduction and Data Visualization for Fr\'echet Regression [8.713190936209156]
Fr'echet回帰モデルは、計量空間値応答を用いた回帰分析のための有望なフレームワークを提供する。本研究では,Fr'echet回帰のためのフレキシブルな十分次元縮小法(SDR)を導入し,二つの目的を達成した。
論文参考訳（メタデータ） (2021-10-01T15:01:32Z)
WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
論文参考訳（メタデータ） (2021-05-21T11:58:50Z)
Learning Invariant Representations and Risks for Semi-supervised Domain Adaptation [109.73983088432364]
半教師付きドメイン適応(Semi-DA)の設定の下で不変表現とリスクを同時に学習することを目的とした最初の手法を提案する。共同で textbfLearning textbfInvariant textbfRepresentations と textbfRisks の LIRR アルゴリズムを導入する。
論文参考訳（メタデータ） (2020-10-09T15:42:35Z)

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。