Fugu-MT 論文翻訳(概要): On Learning Parities with Dependent Noise

論文の概要: On Learning Parities with Dependent Noise

arxiv url: http://arxiv.org/abs/2404.11325v1
Date: Wed, 17 Apr 2024 12:36:20 GMT
ステータス: 処理完了
システム内更新日: 2024-04-18 14:04:48.467556
Title: On Learning Parities with Dependent Noise
Title（参考訳）: 依存雑音を持つ親の学習について
Authors: Noah Golowich, Ankur Moitra, Dhruv Rohatgi,
Abstract要約: ノイズを考慮した学習パリティ (LPN) は, 少数のサンプルの雑音分布の弱い依存性に対して頑健であることを示す。これは[AG11]の線形化技法に対する部分的逆を与える。
参考スコア（独自算出の注目度）: 34.791182995710024
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this expository note we show that the learning parities with noise (LPN) assumption is robust to weak dependencies in the noise distribution of small batches of samples. This provides a partial converse to the linearization technique of [AG11]. The material in this note is drawn from a recent work by the authors [GMR24], where the robustness guarantee was a key component in a cryptographic separation between reinforcement learning and supervised learning.
Abstract（参考訳）: 本報告では,小バッチのノイズ分布の弱さに対して,LPN仮定による学習パリティが頑健であることを示す。これは[AG11]の線形化手法に部分的に反する。本論文の資料は,強化学習と教師あり学習の暗号的分離において,ロバスト性保証が重要な要素であった,著者らによる最近の研究[GMR24]から得られたものである。

関連論文リスト

On the Noise Robustness of In-Context Learning for Text Generation [41.59602454113563]
本研究では、テキスト生成タスクにおいて、ノイズの多いアノテーションがテキスト内学習の性能を著しく損なうことを示す。この問題を回避するために,LPR(Local Perplexity Ranking)と呼ばれるシンプルで効果的なアプローチを提案する。 LPRは「騒々しい」候補者を、より清潔である可能性が高い隣人に置き換える。
論文参考訳（メタデータ） (2024-05-27T15:22:58Z)
R-Spin: Efficient Speaker and Noise-invariant Representation Learning with Acoustic Pieces [13.046304017209872]
本稿では、話者および雑音不変音声表現のためのデータ効率の高いドメイン固有自己スーパービジョン法であるRobust Spin(R-Spin)を紹介する。 R-SpinはSpinの問題を解決し、音響部品の予測を学習することでコンテンツ表現を強化する。
論文参考訳（メタデータ） (2023-11-15T17:07:44Z)
Co-Learning Meets Stitch-Up for Noisy Multi-label Visual Recognition [70.00984078351927]
本稿では,多ラベル分類と長期学習の特徴に基づく雑音の低減に焦点をあてる。よりクリーンなサンプルを合成し,マルチラベルノイズを直接低減するStitch-Up拡張を提案する。ヘテロジニアス・コラーニング・フレームワークは、長い尾の分布とバランスの取れた分布の不整合を活用するためにさらに設計されている。
論文参考訳（メタデータ） (2023-07-03T09:20:28Z)
RoLNiP: Robust Learning Using Noisy Pairwise Comparisons [6.624726878647541]
本稿では,ノイズの多いペアワイズ比較から学習するための頑健なアプローチを提案する。提案手法は,雑音に富んだペアワイド比較による学習において,頑健な最先端手法よりも優れていることを示す。
論文参考訳（メタデータ） (2023-03-04T06:28:08Z)
FECANet: Boosting Few-Shot Semantic Segmentation with Feature-Enhanced Context-Aware Network [48.912196729711624]
Few-shot セマンティックセグメンテーション(Few-shot semantic segmentation)は、新しいクラスの各ピクセルを、わずかに注釈付きサポートイメージで検索するタスクである。本稿では,クラス間の類似性に起因するマッチングノイズを抑制するために,機能拡張コンテキスト認識ネットワーク(FECANet)を提案する。さらに,前景と背景の余分な対応関係を符号化する新たな相関再構成モジュールを提案する。
論文参考訳（メタデータ） (2023-01-19T16:31:13Z)
A Noise-tolerant Differentiable Learning Approach for Single Occurrence Regular Expression with Interleaving [19.660606583532598]
本研究では,音のある文字列の集合からインターリービング(SOIRE)を用いて単一発生正規表現を学習する問題について検討する。従来の研究のほとんどは制限されたSOIREしか学習せず、ノイズの多いデータでは堅牢ではない。本稿では,SOIREのための耐雑音性差分学習手法SOIREDLを提案する。
論文参考訳（メタデータ） (2022-12-01T09:05:43Z)
Robust Semantic Communications with Masked VQ-VAE Enabled Codebook [56.63571713657059]
本稿では,ロバストなエンドツーエンドのセマンティック通信システムにおいて,セマンティックノイズに対処するためのフレームワークを提案する。セマンティックノイズに対処するため、重み付き対向トレーニングを開発し、トレーニングデータセットにセマンティックノイズを組み込む。ノイズやタスク非関連の特徴を抑える機能重要モジュール (FIM) を開発した。
論文参考訳（メタデータ） (2022-06-08T16:58:47Z)
Improving Noise Robustness of Contrastive Speech Representation Learning with Speech Reconstruction [109.44933866397123]
実環境における音声認識システムの実現には,雑音の堅牢性が不可欠である。雑音認識のための自己教師型フレームワークにより学習したノイズロスト表現を用いる。ラベル付きデータのわずか16%で報告された最高の教師付きアプローチに匹敵するパフォーマンスを実現した。
論文参考訳（メタデータ） (2021-10-28T20:39:02Z)
Noise Pollution in Hospital Readmission Prediction: Long Document Classification with Reinforcement Learning [15.476161876559074]
本稿では,腎移植後の可読性予測のための長期臨床文書中のノイズ抽出のための強化学習手法を提案する。まず、4種類のエンコーダを実験して、最適な文書表現を実証的に決定し、さらに長い文書からノイズの多いテキストを除去するために強化学習を適用する。
論文参考訳（メタデータ） (2020-05-04T04:06:53Z)
Relabel the Noise: Joint Extraction of Entities and Relations via Cooperative Multiagents [52.55119217982361]
協調型マルチエージェント群を用いて,雑音の多いインスタンスを処理するための共同抽出手法を提案する。ノイズの多いインスタンスをきめ細かな方法で処理するために、協調グループの各エージェントは、自身の視点で連続的な信頼スコアを算出してインスタンスを評価する。信頼度コンセンサスモジュールは、すべてのエージェントの知恵を収集し、信頼度ラベル付きラベルでノイズの多いトレーニングセットを再分割するように設計されている。
論文参考訳（メタデータ） (2020-04-21T12:03:04Z)

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。