Fugu-MT 論文翻訳(概要): On Maximum Entropy Linear Feature Inversion

論文の概要: On Maximum Entropy Linear Feature Inversion

arxiv url: http://arxiv.org/abs/2407.14166v1
Date: Fri, 19 Jul 2024 09:52:18 GMT
ステータス: 処理完了
システム内更新日: 2024-07-22 18:04:03.548693
Title: On Maximum Entropy Linear Feature Inversion
Title（参考訳）: 最大エントロピー線形特徴インバージョンについて
Authors: Paul M Baggenstoss,
Abstract要約: 最大エントロピー基準を用いた次元還元線型写像の逆問題を再検討する。既存のアプローチに特化するだけでなく,新たなケースに対するソリューションを提供する,新たな統一アプローチを提案する。
参考スコア（独自算出の注目度）: 7.1795069620810805
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We revisit the classical problem of inverting dimension-reducing linear mappings using the maximum entropy (MaxEnt) criterion. In the literature, solutions are problem-dependent, inconsistent, and use different entropy measures. We propose a new unified approach that not only specializes to the existing approaches, but offers solutions to new cases, such as when data values are constrained to [0, 1], which has new applications in machine learning.
Abstract（参考訳）: 我々は、最大エントロピー(MaxEnt)基準を用いて次元還元線型写像を反転させる古典的問題を再考する。文献では、解は問題に依存し、矛盾し、異なるエントロピー測度を使用する。我々は、既存のアプローチに特化するだけでなく、データ値が[0, 1]に制約された場合など、機械学習に新たな応用をもたらすような、新しいケースに対するソリューションを提供する、新しい統一アプローチを提案する。

関連論文リスト

An Adaptive Second-order Method for a Class of Nonconvex Nonsmooth Composite Optimization [11.56128809794923]
本稿では,局所的なプロパティ収束の反復を$ell_p-$で行うような非スパース性プロモート正規化問題について検討する。
論文参考訳（メタデータ） (2024-07-24T12:15:59Z)
ODE Discovery for Longitudinal Heterogeneous Treatment Effects Inference [69.24516189971929]
本稿では, 閉形式常微分方程式(ODE)という, 縦条件下での新しい解法を提案する。私たちはまだODEを学ぶために継続的な最適化に依存していますが、結果として生じる推論マシンはもはやニューラルネットワークではありません。
論文参考訳（メタデータ） (2024-03-16T02:07:45Z)
OKRidge: Scalable Optimal k-Sparse Ridge Regression [21.17964202317435]
スパースリッジ回帰のための高速アルゴリズムOKRidgeを提案する。また,ビームサーチを利用した解法を温める方法を提案する。
論文参考訳（メタデータ） (2023-04-13T17:34:44Z)
Learning Proximal Operators to Discover Multiple Optima [66.98045013486794]
非家族問題における近位演算子を学習するためのエンドツーエンド手法を提案する。本手法は,弱い目的と穏やかな条件下では,世界規模で収束することを示す。
論文参考訳（メタデータ） (2022-01-28T05:53:28Z)
Simplifying deflation for non-convex optimization with applications in Bayesian inference and topology optimization [0.0]
非局所最適化問題はアプリケーションでよく見られる。この手法の1つは、最近、ローカルアプリケーションに対する複数の最適最小限制約について検討している。近似推論における提案手法について述べる。
論文参考訳（メタデータ） (2022-01-28T04:20:07Z)
Sequential- and Parallel- Constrained Max-value Entropy Search via Information Lower Bound [9.09466320810472]
我々は、最大値エントロピー探索(MES)と呼ばれる情報理論のアプローチに焦点を当てる。 CMES-IBO(Constrained Max-value Entropy Search via Information lower BOund)と呼ばれる新しい制約BO法を提案する。
論文参考訳（メタデータ） (2021-02-19T08:10:51Z)
Dimension Free Generalization Bounds for Non Linear Metric Learning [61.193693608166114]
我々はスパース体制と非スパース体制という2つの体制に対して一様一般化境界を提供する。解の異なる新しい性質を頼りにすることで、次元自由一般化保証を提供することができることを示す。
論文参考訳（メタデータ） (2021-02-07T14:47:00Z)
Efficient Methods for Structured Nonconvex-Nonconcave Min-Max Optimization [98.0595480384208]
定常点に収束する一般化外空間を提案する。このアルゴリズムは一般の$p$ノルド空間だけでなく、一般の$p$次元ベクトル空間にも適用される。
論文参考訳（メタデータ） (2020-10-31T21:35:42Z)
Conditional gradient methods for stochastically constrained convex minimization [54.53786593679331]
構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
論文参考訳（メタデータ） (2020-07-07T21:26:35Z)
Gradient-Free Methods for Saddle-Point Problem [125.99533416395765]
我々はGasnikov et al., 2017のアプローチを一般化し、不正確な勾配のないオラクルで(確率的な)凸最適化問題を解けるようにした。我々のアプローチは、$fracnlog n$ の要求するオラクル呼び出しの回数を削減します。論文の後半では、そのような仮定ができない場合を分析し、この問題を解決する方法の近代化方法に関する一般的なアプローチを提案する。
論文参考訳（メタデータ） (2020-05-12T16:44:27Z)

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。