Fugu-MT 論文翻訳(概要): Asymptotic Classification Error for Heavy-Tailed Renewal Processes

論文の概要: Asymptotic Classification Error for Heavy-Tailed Renewal Processes

arxiv url: http://arxiv.org/abs/2408.10502v1
Date: Tue, 20 Aug 2024 02:47:24 GMT
ステータス: 処理完了
システム内更新日: 2024-08-21 15:24:37.131627
Title: Asymptotic Classification Error for Heavy-Tailed Renewal Processes
Title（参考訳）: 重機更新プロセスにおける漸近的分類誤差
Authors: Xinhui Rong, Victor Solo,
Abstract要約: 更新プロセスの分類を検討する。 Bhattacharyyaの表現は, 高度更新過程の誤分類確率に基づく。
参考スコア（独自算出の注目度）: 16.127167109843356
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Despite the widespread occurrence of classification problems and the increasing collection of point process data across many disciplines, study of error probability for point process classification only emerged very recently. Here, we consider classification of renewal processes. We obtain asymptotic expressions for the Bhattacharyya bound on misclassification error probabilities for heavy-tailed renewal processes.
Abstract（参考訳）: 分類問題の普及と多くの分野にわたる点プロセスデータの収集にもかかわらず、点プロセス分類の誤差確率の研究はごく最近になって始まった。本稿では,更新プロセスの分類について考察する。重み付き更新プロセスの誤分類誤差確率に基づくBhattacharyyaの漸近式を得る。

関連論文リスト

Conformal Prediction via Regression-as-Classification [15.746085775084238]
回帰を分類問題に変換し、分類にCPを用いて回帰のCP集合を得る。多くのベンチマークにおける実証的な結果は、この単純なアプローチが、多くの実践的な問題に対して驚くほど良い結果をもたらすことを示している。
論文参考訳（メタデータ） (2024-04-12T00:21:30Z)
Deep Imbalanced Regression via Hierarchical Classification Adjustment [50.19438850112964]
コンピュータビジョンにおける回帰タスクは、しばしば、対象空間をクラスに定量化することで分類される。トレーニングサンプルの大多数は目標値の先頭にあるが、少数のサンプルは通常より広い尾幅に分布する。不均衡回帰タスクを解くために階層型分類器を構築することを提案する。不均衡回帰のための新しい階層型分類調整(HCA)は,3つのタスクにおいて優れた結果を示す。
論文参考訳（メタデータ） (2023-10-26T04:54:39Z)
Generalization Bounds for Few-Shot Transfer Learning with Pretrained Classifiers [26.844410679685424]
本研究では,新しいクラスに移動可能な分類の表現を基礎モデルで学習する能力について検討する。クラス-機能-変数の崩壊の場合,新しいクラスで学習した特徴マップのわずかな誤差が小さいことを示す。
論文参考訳（メタデータ） (2022-12-23T18:46:05Z)
Multi-Label Quantification [78.83284164605473]
定量化とは、教師なしデータサンプルにおいて、興味あるクラスの相対周波数の予測子を生成する教師付き学習課題である。本研究では,その相対頻度をより正確に予測するために,興味あるクラス間の依存関係を活用しようとするクラス有病率値の推定手法を提案する。
論文参考訳（メタデータ） (2022-11-15T11:29:59Z)
When in Doubt: Improving Classification Performance with Alternating Normalization [57.39356691967766]
分類のための非パラメトリック後処理ステップである交互正規化(CAN)を用いた分類を導入する。 CANは、予測されたクラス確率分布を再調整することで、挑戦的な例の分類精度を向上させる。多様な分類課題にまたがってその効果を実証的に示す。
論文参考訳（メタデータ） (2021-09-28T02:55:42Z)
Convergence rates of deep ReLU networks for multiclass classification [0.0]
本研究では、学習された確率の真の条件付きクラス確率への収束について研究する。より具体的には、マルチクラス分類設定におけるクロスエントロピー損失を最小限に抑えるために、スパースディープReLUネットワーク再構成を検討する。
論文参考訳（メタデータ） (2021-08-02T15:14:12Z)
Risk Bounds for Over-parameterized Maximum Margin Classification on Sub-Gaussian Mixtures [100.55816326422773]
線形分類問題に対する最大マージン分類器の現象について検討する。その結果、良性的なオーバーフィットが起きる条件を正確に特徴づけます。
論文参考訳（メタデータ） (2021-04-28T08:25:16Z)
Theoretical Insights Into Multiclass Classification: A High-dimensional Asymptotic View [82.80085730891126]
線形多クラス分類の最初の現代的精度解析を行う。分析の結果,分類精度は分布に依存していることがわかった。得られた洞察は、他の分類アルゴリズムの正確な理解の道を開くかもしれない。
論文参考訳（メタデータ） (2020-11-16T05:17:29Z)
A Class of Conjugate Priors for Multinomial Probit Models which Includes the Multivariate Normal One [0.3553493344868413]
統一スキュー正規分布(SUN)のクラス全体は、複数の多重項プロビットモデルに共役していることを示す。後部推論と分類のための最先端の解法を改善する。
論文参考訳（メタデータ） (2020-07-14T10:08:23Z)
M2m: Imbalanced Classification via Major-to-minor Translation [79.09018382489506]
ほとんどの実世界のシナリオでは、ラベル付きトレーニングデータセットは非常にクラス不均衡であり、ディープニューラルネットワークは、バランスの取れたテスト基準への一般化に苦しむ。本稿では,より頻度の低いクラスを,より頻度の低いクラスからのサンプルを翻訳することによって,この問題を緩和する新しい方法を提案する。提案手法は,従来の再サンプリング法や再重み付け法と比較して,マイノリティクラスの一般化を著しく改善することを示す。
論文参考訳（メタデータ） (2020-04-01T13:21:17Z)
Better Multi-class Probability Estimates for Small Data Sets [0.0]
我々は,データ生成とグループ化のアルゴリズムが多クラス問題の解決に有効であることを示す。実験により,提案手法を用いてキャリブレーション誤差を低減し,計算コストの増大を許容できることを示した。
論文参考訳（メタデータ） (2020-01-30T10:21:26Z)

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。