論文の概要: Spatial Transfer Learning with Simple MLP

• arxiv url: http://arxiv.org/abs/2405.03720v1
• Date: Sun, 5 May 2024 20:39:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-08 18:24:15.475448
• Title: Spatial Transfer Learning with Simple MLP
• Title（参考訳）: 単純MLPを用いた空間移動学習
• Authors: Hongjian Yang,
• Abstract要約: 空間統計学の分野に適用された移動学習の可能性を調べるための第一歩。 空間統計学の分野に適用される伝達学習の可能性を検討することを目的とする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: First step to investigate the potential of transfer learning applied to the field of spatial statistics
• Abstract（参考訳）: 空間統計学分野に適用された移動学習の可能性を探る第一歩

関連論文リスト

• Tabular Transfer Learning via Prompting LLMs [52.96022335067357]
  大規模言語モデル(LLM)を用いたラベル付き(あるいは異種)ソースデータを利用した新しいフレームワークPrompt to Transfer (P2T)を提案する。 P2Tは、ターゲットタスク機能と強く相関しているソースデータセットの列の特徴を特定し、ターゲットタスクに関連する例を作成し、プロンプトの擬似宣言を生成する。
  論文  参考訳（メタデータ） (2024-08-09T11:30:52Z)
• Knowledge Transfer across Multiple Principal Component Analysis Studies [8.602833477729899]
  本稿では,複数音源成分分析(PCA)研究から有用な情報を抽出する2段階移動学習アルゴリズムを提案する。 最初のステップでは、複数の研究にまたがる共有部分空間情報をGrassmannian barycenterと呼ばれる提案手法で統合する。 第1段階から得られた共有部分空間の推定器を利用して、対象のプライベート部分空間を推定する。
  論文  参考訳（メタデータ） (2024-03-12T09:15:12Z)
• Backward Lens: Projecting Language Model Gradients into the Vocabulary Space [94.85922991881242]
  勾配行列は、その前方および後方の入力の低ランク線形結合としてキャスト可能であることを示す。 次に、これらの勾配を語彙項目に投影する手法を開発し、新しい情報がLMのニューロンにどのように格納されているかのメカニズムを探索する。
  論文  参考訳（メタデータ） (2024-02-20T09:57:08Z)
• Bayesian Transfer Learning [13.983016833412307]
  トランスファーラーニング」は、関連分野のデータを活用することにより、関心領域における推論および/または予測精度の向上を目指す。 本稿では,新しい学習課題を導く上で,事前知識に基づく学習の概念と自然に相容れないにもかかわらず,比較的注意を払われたバイーシアン学習のアプローチを取り上げる。 本稿では,これらの手法がドメイン間の転送に最適な情報を見つける問題にどのように対処するかを論じる。
  論文  参考訳（メタデータ） (2023-12-20T23:38:17Z)
• Feasibility and Transferability of Transfer Learning: A Mathematical Framework [4.031388559887924]
  我々は、転送学習の一般的な手順のための数学的枠組みを初めて構築する。 また、トランスファー学習のトランスファー可能性を評価するために、トランスファーリスクという新しい概念を提案する。
  論文  参考訳（メタデータ） (2023-01-27T05:54:53Z)
• Adaptive Distribution Calibration for Few-Shot Learning with Hierarchical Optimal Transport [78.9167477093745]
  本稿では,新しいサンプルとベースクラス間の適応重み行列を学習し,新しい分布校正法を提案する。 標準ベンチマーク実験の結果,提案したプラグ・アンド・プレイモデルの方が競合する手法より優れていることが示された。
  論文  参考訳（メタデータ） (2022-10-09T02:32:57Z)
• A Survey on Computational Intelligence-based Transfer Learning [0.7614628596146599]
  本稿では,コンピュータ・インテリジェンスに基づく伝達学習技術について研究する。 ニューラルネットワークベース、進化アルゴリズムベース、Swarmインテリジェンスベース、ファジィロジックベーストランスファーラーニングに分類する。
  論文  参考訳（メタデータ） (2022-06-17T16:11:03Z)
• Transferred Q-learning [79.79659145328856]
  我々は、目標強化学習(RL)タスクのサンプルと、異なるが関連するRLタスクのソースサンプルを用いて、知識伝達を伴うQ$ラーニングについて検討する。 オフラインのソーススタディを用いたバッチとオンラインの$Q$ラーニングのためのトランスファー学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-02-09T20:08:19Z)
• Rethinking Importance Weighting for Transfer Learning [71.81262398144946]
  教師あり学習における主要な前提は、トレーニングとテストデータが同じ確率分布に従うことである。 現実の機械学習タスクはますます複雑になりつつあるため、このような課題に対処するための新しいアプローチが検討されている。
  論文  参考訳（メタデータ） (2021-12-19T14:35:25Z)
• MPLP: Learning a Message Passing Learning Protocol [63.948465205530916]
  人工ニューラルネットワークの重みを学習する新しい手法として,メッセージパッシング学習プロトコル(MPLP)を提案する。 ANNで発生したすべての操作を独立したエージェントとして抽象化する。 各エージェントは、他のエージェントからやってくる多次元メッセージを取り込み、内部状態を更新し、近隣エージェントに渡される多次元メッセージを生成する責任がある。
  論文  参考訳（メタデータ） (2020-07-02T09:03:14Z)
• Limits of Transfer Learning [0.0]
  我々は、転送する情報の集合を慎重に選択する必要性と、転送される情報とターゲット問題との依存関係の必要性を示す。 これらの結果は、機械学習のためのアルゴリズム検索フレームワークの上に構築され、転送を用いた幅広い学習問題に適用できる。
  論文  参考訳（メタデータ） (2020-06-23T01:48:23Z)

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。