Fugu-MT 論文翻訳(概要): Hyperdimensional Vector Tsetlin Machines with Applications to Sequence Learning and Generation

論文の概要: Hyperdimensional Vector Tsetlin Machines with Applications to Sequence Learning and Generation

arxiv url: http://arxiv.org/abs/2408.16620v1
Date: Thu, 29 Aug 2024 15:28:01 GMT
ステータス: 処理完了
システム内更新日: 2024-08-30 13:23:15.035785
Title: Hyperdimensional Vector Tsetlin Machines with Applications to Sequence Learning and Generation
Title（参考訳）: 超次元ベクトルタセリンマシンとシーケンス学習・生成への応用
Authors: Christian D. Blakely,
Abstract要約: 我々は,バニラ・テトリンマシンと競合する高速かつ高速な逐次データを学習し,生成するための2層モデルを構築した。提案手法は,予測,新しいシーケンス生成,分類の2分野に適用する。後者については、UCR Time Series Archiveの全結果から導出し、標準ベンチマークと比較して、時系列分類において、その手法がいかに優れているかを確認する。
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: We construct a two-layered model for learning and generating sequential data that is both computationally fast and competitive with vanilla Tsetlin machines, adding numerous advantages. Through the use of hyperdimensional vector computing (HVC) algebras and Tsetlin machine clause structures, we demonstrate that the combination of both inherits the generality of data encoding and decoding of HVC with the fast interpretable nature of Tsetlin machines to yield a powerful machine learning model. We apply the approach in two areas, namely in forecasting, generating new sequences, and classification. For the latter, we derive results for the entire UCR Time Series Archive and compare with the standard benchmarks to see how well the method competes in time series classification.
Abstract（参考訳）: 我々は,バニラ・テトリンマシンと高速かつ競合する逐次データを学習・生成するための2層モデルを構築し,多くの利点を生んでいる。超次元ベクトル計算(HVC)代数とTsetlinマシン節構造を用いることで、両者の組み合わせによって、HVCのデータ符号化と復号化の一般化と、Tsetlinマシンの高速解釈可能な性質を継承し、強力な機械学習モデルが得られることを示した。提案手法は,予測,新しいシーケンス生成,分類の2分野に適用する。後者については、UCR Time Series Archiveの全結果から導出し、標準ベンチマークと比較して、時系列分類における手法の競い合いについて検討する。

関連論文リスト

Blending Low and High-Level Semantics of Time Series for Better Masked Time Series Generation [0.8999666725996975]
NC-VQVAEと呼ばれる新しいフレームワークを導入し、時系列生成アプローチに自己教師付き学習を統合する。 NC-VQVAEは, 合成試料の品質を著しく向上させることを示した。
論文参考訳（メタデータ） (2024-08-29T15:20:17Z)
CORE: Common Random Reconstruction for Distributed Optimization with Provable Low Communication Complexity [110.50364486645852]
コミュニケーションの複雑さは、トレーニングをスピードアップし、マシン番号をスケールアップする上で、大きなボトルネックになっています。本稿では,機械間で送信される情報を圧縮するための共通Om REOmを提案する。
論文参考訳（メタデータ） (2023-09-23T08:45:27Z)
TSGM: A Flexible Framework for Generative Modeling of Synthetic Time Series [61.436361263605114]
時系列データは、研究者と産業組織間のデータの共有を妨げるため、しばしば不足または非常に敏感である。本稿では,合成時系列の生成モデリングのためのオープンソースフレームワークである時系列生成モデリング(TSGM)を紹介する。
論文参考訳（メタデータ） (2023-05-19T10:11:21Z)
A Deep Neural Networks ensemble workflow from hyperparameter search to inference leveraging GPU clusters [0.0]
AutoMLは、定性的予測を達成するために、ディープニューラルネットワーク(DNN)のアンサンブルを自動的に構築することを目指している。我々は,より正確で多様な個別モデルのライブラリを構築し,アンサンブルを構築するための新しいAutoMLを提案する。高精度なアンサンブルを生成するために,多目的グリードアルゴリズムに基づく新しいアンサンブル選択法を提案する。
論文参考訳（メタデータ） (2022-08-30T08:04:19Z)
Towards Similarity-Aware Time-Series Classification [51.2400839966489]
時系列データマイニングの基本課題である時系列分類(TSC)について検討する。グラフニューラルネットワーク(GNN)を用いて類似情報をモデル化するフレームワークであるSimTSCを提案する。
論文参考訳（メタデータ） (2022-01-05T02:14:57Z)
Sketching as a Tool for Understanding and Accelerating Self-attention for Long Sequences [52.6022911513076]
トランスフォーマーベースのモデルは、自己アテンションモジュールの二次空間と時間的複雑さのために、長いシーケンスを処理するのに効率的ではない。我々はLinformerとInformerを提案し、低次元投影と行選択により2次複雑性を線形(モジュラー対数因子)に還元する。理論的解析に基づいて,Skeinformerを提案することにより,自己注意の促進と,自己注意への行列近似の精度の向上を図ることができる。
論文参考訳（メタデータ） (2021-12-10T06:58:05Z)
HyperSeed: Unsupervised Learning with Vector Symbolic Architectures [5.258404928739212]
本稿では,Hyperseedという新しい教師なし機械学習手法を提案する。 VSA(Vector Symbolic Architectures)を活用して、問題のないデータのトポロジ保存機能マップを高速に学習する。ハイパーシードアルゴリズムの2つの特徴的特徴は,1)少数の入力データサンプルから学習すること,2)1つのベクトル演算に基づく学習規則である。
論文参考訳（メタデータ） (2021-10-15T20:05:43Z)
Probability-driven scoring functions in combining linear classifiers [0.913755431537592]
本研究の目的は,線形分類器のアンサンブルに特化した新しい融合法を構築することである。提案手法は,KEELレポジトリから抽出した複数のベンチマークデータセットを用いて参照手法と比較する。実験により、ある条件下では、いくつかの改善が得られ得ることが示された。
論文参考訳（メタデータ） (2021-09-16T08:58:32Z)
Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
論文参考訳（メタデータ） (2020-12-29T23:43:16Z)
Connecting Weighted Automata, Tensor Networks and Recurrent Neural Networks through Spectral Learning [58.14930566993063]
我々は、形式言語と言語学からの重み付き有限オートマトン(WFA)、機械学習で使用されるリカレントニューラルネットワーク、テンソルネットワークの3つのモデル間の接続を提示する。本稿では,連続ベクトル入力の列上に定義された線形2-RNNに対する最初の証明可能な学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-10-19T15:28:00Z)
Fast Transformers with Clustered Attention [14.448898156256478]
本稿では,クエリ毎の注目度を計算する代わりに,クエリをクラスタにグループ化し,セントロイドのみの注意度を算出するクラスタ型注意度を提案する。これにより、固定数のクラスタのシーケンス長に対する線形複雑性を持つモデルが得られる。我々は,2つの自動音声認識データセットに対するアプローチを評価し,そのモデルが与えられた計算予算に対して常にバニラ変換器より優れていることを示す。
論文参考訳（メタデータ） (2020-07-09T14:17:50Z)

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。