Fugu-MT 論文翻訳(概要): Hierarchical mixture of discriminative Generalized Dirichlet classifiers

論文の概要: Hierarchical mixture of discriminative Generalized Dirichlet classifiers

arxiv url: http://arxiv.org/abs/2405.01778v1
Date: Thu, 2 May 2024 23:32:22 GMT
ステータス: 処理完了
システム内更新日: 2024-05-06 14:15:00.626598
Title: Hierarchical mixture of discriminative Generalized Dirichlet classifiers
Title（参考訳）: 判別一般化ディリクレ分類器の階層的混合
Authors: Elvis Togban, Djemel Ziou,
Abstract要約: 本稿では,合成データに対する識別分類器を提案する。一般化ディリクレ混合物の上界を導出した変分近似を用いる。スパム検出と色空間同定のための実験結果が提示された。
参考スコア（独自算出の注目度）: 1.7955614278088239
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents a discriminative classifier for compositional data. This classifier is based on the posterior distribution of the Generalized Dirichlet which is the discriminative counterpart of Generalized Dirichlet mixture model. Moreover, following the mixture of experts paradigm, we proposed a hierarchical mixture of this classifier. In order to learn the models parameters, we use a variational approximation by deriving an upper-bound for the Generalized Dirichlet mixture. To the best of our knownledge, this is the first time this bound is proposed in the literature. Experimental results are presented for spam detection and color space identification.
Abstract（参考訳）: 本稿では,合成データに対する識別分類器を提案する。この分類器は、一般化ディリクレ混合モデルの判別式である一般化ディリクレの後方分布に基づいている。さらに、専門家のパラダイムの混合に続いて、我々はこの分類器の階層的な混合を提案した。モデルパラメータを学習するために、一般化ディリクレ混合の上界を導出した変分近似を用いる。我々の知る限りでは、この境界が文献で提案されたのはこれが初めてである。スパム検出と色空間同定のための実験結果が提示された。

関連論文リスト

Hierarchical Gaussian Mixture Normalizing Flow Modeling for Unified Anomaly Detection [12.065053799927506]
本稿では,一貫した異常検出を実現するための新しい階層型ガウス混合流れモデリング法を提案する。我々のHGADは,クラス間ガウス混合モデリングとクラス内混合クラスセンター学習の2つの重要な構成要素から構成されている。提案手法を4つの実世界のADベンチマークで評価し,従来のNFベースのAD手法を大幅に改善し,SOTA統合AD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） (2024-03-20T07:21:37Z)
Semantic Equivariant Mixup [54.734054770032934]
Mixupは、トレーニング分布を拡張し、ニューラルネットワークを正規化する、確立されたデータ拡張テクニックである。以前のミックスアップの変種はラベル関連の情報に過度に焦点をあてる傾向がある。入力中のよりリッチな意味情報を保存するための意味的同変混合(sem)を提案する。
論文参考訳（メタデータ） (2023-08-12T03:05:53Z)
Nonparametric plug-in classifier for multiclass classification of S.D.E. paths [2.1301560294088318]
時間-均一拡散の混合から特徴が生じる多クラス分類問題について検討する。具体的には、クラスはドリフト関数によって判別され、拡散係数はすべてのクラスに共通であり、未知である。
論文参考訳（メタデータ） (2022-12-20T14:08:05Z)
On the rate of convergence of a classifier based on a Transformer encoder [55.41148606254641]
最適誤分類確率に対する分類器の誤分類確率の収束率を分析する。この分類器は,アポテリオリ確率が適切な階層的構成モデルを満たす場合,次元性の呪いを回避することができる。
論文参考訳（メタデータ） (2021-11-29T14:58:29Z)
Discriminative Attribution from Counterfactuals [64.94009515033984]
本稿では,特徴属性と反実的説明を組み合わせたニューラルネットワークの解釈可能性について述べる。本手法は,特徴属性法の性能を客観的に評価するために有効であることを示す。
論文参考訳（メタデータ） (2021-09-28T00:53:34Z)
Learning Gaussian Mixtures with Generalised Linear Models: Precise Asymptotics in High-dimensions [79.35722941720734]
多クラス分類問題に対する一般化線形モデルは、現代の機械学習タスクの基本的な構成要素の1つである。実験的リスク最小化による高次元推定器の精度を実証する。合成データの範囲を超えて我々の理論をどのように適用できるかを論じる。
論文参考訳（メタデータ） (2021-06-07T16:53:56Z)
A Normative Model of Classifier Fusion [4.111899441919164]
新たに相関したディリクレ分布に基づく確率的分類融合の階層的ベイズモデルを提案する。提案モデルでは,古典的な独立性オピニオンプールと他の独立性融合アルゴリズムを特殊ケースとして扱う。合成および実世界のデータセット上での核融合の不確かさの低減と正しさによって評価される。
論文参考訳（メタデータ） (2021-06-03T11:52:13Z)
Open-Set Recognition with Gaussian Mixture Variational Autoencoders [91.3247063132127]
推論において、オープンセット分類は、サンプルをトレーニングから既知のクラスに分類するか、未知のクラスとして拒絶するかのどちらかである。我々は,協調的に再構築を学習し,潜在空間におけるクラスベースのクラスタリングを行うよう,我々のモデルを訓練する。我々のモデルは、より正確で堅牢なオープンセット分類結果を実現し、平均的なF1改善率は29.5%である。
論文参考訳（メタデータ） (2020-06-03T01:15:19Z)
Random Hyperboxes [9.061408029414455]
本稿では,個々のハイパーボックスに基づく分類器の強度に基づいて,提案した分類器の一般化誤差を示す。提案する分類器の有効性は、慎重に選択された例を用いて分析する。実データセットの一般化誤差境界に関する既存の問題を特定し,潜在的研究の方向性を報告する。
論文参考訳（メタデータ） (2020-06-01T03:42:20Z)
On the Replicability of Combining Word Embeddings and Retrieval Models [71.18271398274513]
我々は、Fisherカーネルフレームワークの使用に関する魅力的な仮説を実証しようとする最近の実験を再現する。具体的には、von Mises-Fisher (VMF) 分布の混合モデルを使用することは、VMF とベクトル空間モデルの両方の余弦距離に焦点をあてることによって有益である。
論文参考訳（メタデータ） (2020-01-13T19:01:07Z)

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。