Fugu-MT 論文翻訳(概要): A logifold structure on measure space

論文の概要: A logifold structure on measure space

arxiv url: http://arxiv.org/abs/2405.05492v1
Date: Thu, 9 May 2024 01:38:38 GMT
ステータス: 処理完了
システム内更新日: 2024-05-10 14:22:38.927766
Title: A logifold structure on measure space
Title（参考訳）: 測度空間上の対数構造
Authors: Inkee Jung, Siu-Cheong Lau,
Abstract要約: 我々は,データセットを理解するための局所的・局所的・測度論的アプローチを開発する。本研究では,ファジィ領域の探索やデータ分類問題の精度向上に有効であることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In this paper,we develop a local-to-global and measure-theoretical approach to understand datasets. The idea is to take network models with restricted domains as local charts of datasets. We develop the mathematical foundations for these structures, and show in experiments how it can be used to find fuzzy domains and to improve accuracy in data classification problems.
Abstract（参考訳）: 本稿では,データセットを理解するための局所的・グローバル的・測度論的アプローチを開発する。その考え方は、制限されたドメインを持つネットワークモデルをデータセットのローカルチャートとして扱うことだ。これらの構造に対する数学的基盤を開発し、ファジィ領域の探索やデータ分類問題の精度向上にどのように使用できるか実験で示す。

関連論文リスト

Logifold: A Geometrical Foundation of Ensemble Machine Learning [0.0]
データセット理解のための局所的・局所的・測度論的アプローチを提案する。中心となる考え方は、ロジフォールド構造を定式化し、制限されたドメインを持つネットワークモデルをデータセットの局所チャートとして解釈することである。
論文参考訳（メタデータ） (2024-07-23T04:47:58Z)
(Deep) Generative Geodesics [57.635187092922976]
2つのデータポイント間の類似性を評価するために,新しい測定基準を導入する。我々の計量は、生成距離と生成測地学の概念的定義に繋がる。彼らの近似は、穏やかな条件下で真の値に収束することが証明されている。
論文参考訳（メタデータ） (2024-07-15T21:14:02Z)
Prospector Heads: Generalized Feature Attribution for Large Models & Data [82.02696069543454]
本稿では,説明に基づく帰属手法の効率的かつ解釈可能な代替手段であるプロスペクタヘッドを紹介する。入力データにおけるクラス固有のパターンの解釈と発見を、プロファイラヘッドがいかに改善できるかを実証する。
論文参考訳（メタデータ） (2024-02-18T23:01:28Z)
Tackling Computational Heterogeneity in FL: A Few Theoretical Insights [68.8204255655161]
我々は、計算異種データの形式化と処理を可能にする新しい集約フレームワークを導入し、分析する。提案するアグリゲーションアルゴリズムは理論的および実験的予測から広範囲に解析される。
論文参考訳（メタデータ） (2023-07-12T16:28:21Z)
Hierarchical Optimal Transport for Unsupervised Domain Adaptation [0.0]
本稿では,最適輸送,学習確率測定,教師なし学習の概念を関連づけた,教師なし領域適応のための新しいアプローチを提案する。提案手法であるHOT-DAは最適輸送の階層的な定式化に基づいている。制御可能な複雑さを持つ玩具データセットと、2つの挑戦的な視覚適応データセットの実験は、最先端技術よりも提案されたアプローチの優位性を示している。
論文参考訳（メタデータ） (2021-12-03T18:37:23Z)
Incorporation of Deep Neural Network & Reinforcement Learning with Domain Knowledge [0.0]
本稿では,ニューラルネットワークを用いたモデル構築において,ドメイン情報を組み込んだ手法について述べる。空間データの統合は、知識理解モデルの開発や、ヒューマン・マシン・インタフェースと強化学習を活用することで情報理解を支援する他の分野において、一意に重要である。
論文参考訳（メタデータ） (2021-07-29T17:29:02Z)
Self-supervised Graph-level Representation Learning with Local and Global Structure [71.45196938842608]
自己教師付き全グラフ表現学習のためのローカル・インスタンスとグローバル・セマンティック・ラーニング(GraphLoG)という統合フレームワークを提案する。 GraphLoGは、局所的な類似点の保存に加えて、グローバルなセマンティッククラスタをキャプチャする階層的なプロトタイプも導入している。モデル学習のための効率的なオンライン予測最大化(EM)アルゴリズムがさらに開発された。
論文参考訳（メタデータ） (2021-06-08T05:25:38Z)
Clustered Federated Learning via Generalized Total Variation Minimization [83.26141667853057]
本研究では,分散ネットワーク構造を持つローカルデータセットの局所的(あるいはパーソナライズされた)モデルを学習するための最適化手法について検討する。我々の主要な概念的貢献は、総変動最小化(GTV)としてフェデレーション学習を定式化することである。私たちのアルゴリズムの主な貢献は、完全に分散化されたフェデレーション学習アルゴリズムです。
論文参考訳（メタデータ） (2021-05-26T18:07:19Z)
Sheaves as a Framework for Understanding and Interpreting Model Fit [2.867517731896504]
統計的モデルが局所的なレベルにどの程度収まるかを分析するための自然なフレームワークを提供することができると我々は論じる。シーフベースのアプローチは、様々なアプリケーションで有用であるのに十分な一般性がある。
論文参考訳（メタデータ） (2021-05-21T15:34:09Z)
Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
論文参考訳（メタデータ） (2021-02-27T03:17:20Z)
Domain Adaptation by Topology Regularization [0.0]
ドメイン適応(DA)または転送学習(TL)は、ラベル付き(ソース)データセットから関心のある(ターゲット)データセットに知識を転送するアルゴリズムを可能にする。本稿では,TLに永続ホモロジーと呼ばれる位相データ解析手法を適用し,グローバルなデータ構造を活用することを提案する。
論文参考訳（メタデータ） (2021-01-28T16:45:41Z)

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。