Fugu-MT 論文翻訳(概要): Towards One Model for Classical Dimensionality Reduction: A Probabilistic Perspective on UMAP and t-SNE

論文の概要: Towards One Model for Classical Dimensionality Reduction: A Probabilistic Perspective on UMAP and t-SNE

arxiv url: http://arxiv.org/abs/2405.17412v1
Date: Mon, 27 May 2024 17:57:12 GMT
ステータス: 処理完了
システム内更新日: 2024-05-28 14:04:26.428457
Title: Towards One Model for Classical Dimensionality Reduction: A Probabilistic Perspective on UMAP and t-SNE
Title（参考訳）: 古典的次元化の一モデルに向けて:UMAPとt-SNEの確率論的視点
Authors: Aditya Ravuri, Neil D. Lawrence,
Abstract要約: 本稿では,ProbDR で導入された一般化 Wishart モデルに対応する MAP 推論手法として,次元削減手法である UMAP と t-SNE を概ね再キャスト可能であることを示す。この解釈はこれらのアルゴリズムについてより深い理論的洞察を与え、類似の次元減少法を研究できるツールを導入している。
参考スコア（独自算出の注目度）: 8.121681696358717
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper shows that the dimensionality reduction methods, UMAP and t-SNE, can be approximately recast as MAP inference methods corresponding to a generalized Wishart-based model introduced in ProbDR. This interpretation offers deeper theoretical insights into these algorithms, while introducing tools with which similar dimensionality reduction methods can be studied.
Abstract（参考訳）: 本稿では,ProbDR で導入された一般化 Wishart モデルに対応する MAP 推論手法として,次元削減手法である UMAP と t-SNE を概ね再キャスト可能であることを示す。この解釈はこれらのアルゴリズムについてより深い理論的洞察を与え、類似の次元減少法を研究できるツールを導入している。

関連論文リスト

Generalizing Backpropagation for Gradient-Based Interpretability [103.2998254573497]
モデルの勾配は、半環を用いたより一般的な定式化の特別な場合であることを示す。この観測により、バックプロパゲーションアルゴリズムを一般化し、他の解釈可能な統計を効率的に計算することができる。
論文参考訳（メタデータ） (2023-07-06T15:19:53Z)
A Provably Efficient Model-Free Posterior Sampling Method for Episodic Reinforcement Learning [50.910152564914405]
強化学習のための既存の後方サンプリング手法は、モデルベースであるか、線形MDPを超える最悪の理論的保証がないかによって制限される。本稿では,理論的保証を伴うより一般的な補足的強化学習問題に適用可能な,後部サンプリングのモデルフリーな新しい定式化を提案する。
論文参考訳（メタデータ） (2022-08-23T12:21:01Z)
Planning with Diffusion for Flexible Behavior Synthesis [125.24438991142573]
我々は、できるだけ多くの軌道最適化パイプラインをモデリング問題に折り畳むことがどう見えるか検討する。我々の技術的アプローチの核心は、軌道を反復的にデノベーションすることで計画する拡散確率モデルにある。
論文参考訳（メタデータ） (2022-05-20T07:02:03Z)
Improving Metric Dimensionality Reduction with Distributed Topology [68.8204255655161]
DIPOLEは、局所的、計量的項と大域的、位相的項の両方で損失関数を最小化し、初期埋め込みを補正する次元推論後処理ステップである。 DIPOLEは、UMAP、t-SNE、Isomapといった一般的な手法よりも多くの一般的なデータセットで優れています。
論文参考訳（メタデータ） (2021-06-14T17:19:44Z)
MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood Inference from Sampled Trajectories [61.3299263929289]
シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
論文参考訳（メタデータ） (2021-06-03T12:59:16Z)
Estimating Model Uncertainty of Neural Networks in Sparse Information Form [39.553268191681376]
ディープニューラルネットワーク(DNN)におけるモデル不確実性のスパース表現について述べる。我々の研究の重要な洞察は、情報行列はそのスペクトルにおいてスパースである傾向があることである。 DNNにおけるモデル不確実性を表すために,情報形式が適用可能であることを示す。
論文参考訳（メタデータ） (2020-06-20T18:09:59Z)
Reinforcement Learning as Iterative and Amortised Inference [62.997667081978825]
我々は、この制御を推論フレームワークとして使用し、償却および反復推論に基づく新しい分類スキームを概説する。この観点から、比較的探索されていないアルゴリズム設計空間の一部を特定できることを示す。
論文参考訳（メタデータ） (2020-06-13T16:10:03Z)
Bidirectional Generative Modeling Using Adversarial Gradient Estimation [15.270525239234072]
異なる発散が勾配評価の点で類似したアルゴリズムを誘導することを示す。本稿では,原則付き$f$-divergenceに基づく生成モデリング手法の一般的なレシピを提案する。
論文参考訳（メタデータ） (2020-02-21T07:28:56Z)
Differential Similarity in Higher Dimensional Spaces: Theory and Applications [0.0]
本研究では,幾何モデルと確率モデルを組み合わせたクラスタリングと符号化のアルゴリズムを開発した。本研究では,2つの実世界の実例に適用することにより,解法と推定手法の評価を行う。
論文参考訳（メタデータ） (2019-02-10T20:30:29Z)

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。