Fugu-MT 論文翻訳(概要): Correlating Variational Autoencoders Natively For Multi-View Imputation

論文の概要: Correlating Variational Autoencoders Natively For Multi-View Imputation

arxiv url: http://arxiv.org/abs/2411.03097v1
Date: Tue, 05 Nov 2024 13:43:37 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-06 15:01:23.562616
Title: Correlating Variational Autoencoders Natively For Multi-View Imputation
Title（参考訳）: マルチビューインプットのための関連性オートエンコーダのネイティブ化
Authors: Ella S. C. Orme, Marina Evangelou, Ulrich Paquet,
Abstract要約: 同一ソースからのマルチビューデータは、しばしば相関を示す。これは、各データビューで訓練された別々の変分オートエンコーダ(VAE)の潜時空間間の相関で反映される。 VAEの潜在空間間の非ゼロ相関構造に先行する関節を組み込んだ多視点VAE手法が提案されている。
参考スコア（独自算出の注目度）: 2.9551363292600086
License:
Abstract: Multi-view data from the same source often exhibit correlation. This is mirrored in correlation between the latent spaces of separate variational autoencoders (VAEs) trained on each data-view. A multi-view VAE approach is proposed that incorporates a joint prior with a non-zero correlation structure between the latent spaces of the VAEs. By enforcing such correlation structure, more strongly correlated latent spaces are uncovered. Using conditional distributions to move between these latent spaces, missing views can be imputed and used for downstream analysis. Learning this correlation structure involves maintaining validity of the prior distribution, as well as a successful parameterization that allows end-to-end learning.
Abstract（参考訳）: 同一ソースからのマルチビューデータは、しばしば相関を示す。これは、各データビューで訓練された別々の変分オートエンコーダ(VAE)の潜時空間間の相関で反映される。 VAEの潜在空間間の非ゼロ相関構造に先行する関節を組み込んだ多視点VAE手法が提案されている。このような相関構造を強制することにより、より強く相関した潜在空間が発見される。条件分布を用いてこれらの潜伏空間間を移動し、不足するビューをインプットし、下流分析に使用することができる。この相関構造を学習するには、事前分布の妥当性を維持するとともに、エンドツーエンドの学習を可能にするパラメータ化を成功させる必要がある。

関連論文リスト

Spuriousness-Aware Meta-Learning for Learning Robust Classifiers [26.544938760265136]
Spurious correlations is brittle associations between certain attribute of inputs and target variables。深部画像分類器はしばしばそれらを予測に利用し、相関が持たないデータの一般化が不十分になる。スプリアス相関の影響を緩和することはロバストなモデル一般化に不可欠であるが、しばしばデータ内のスプリアス相関のアノテーションを必要とする。
論文参考訳（メタデータ） (2024-06-15T21:41:25Z)
VCformer: Variable Correlation Transformer with Inherent Lagged Correlation for Multivariate Time Series Forecasting [1.5165632546654102]
本稿では,変数間の相関を抽出する可変相関変換器(VCformer)を提案する。 VCAはクエリとキー間の遅延に応じて、相互相関スコアを計算し、統合する。クープマンダイナミクス理論にインスパイアされた我々は、時系列の非定常性を改善するために、クープマン時間検出器(KTD)を開発した。
論文参考訳（メタデータ） (2024-05-19T07:39:22Z)
Mitigating Shortcut Learning with Diffusion Counterfactuals and Diverse Ensembles [95.49699178874683]
拡散確率モデル(DPM)を利用したアンサンブル多様化フレームワークDiffDivを提案する。 DPMは、相関した入力特徴を示すサンプルを用いて訓練しても、新しい特徴の組み合わせで画像を生成することができることを示す。そこで本研究では,DPM誘導の多様化は,教師付き信号の追加を必要とせず,ショートカットキューへの依存を取り除くのに十分であることを示す。
論文参考訳（メタデータ） (2023-11-23T15:47:33Z)
Preserving Modality Structure Improves Multi-Modal Learning [64.10085674834252]
大規模マルチモーダルデータセットによる自己教師付き学習は、人間のアノテーションに頼ることなく、意味的に意味のある埋め込みを学ぶことができる。これらの手法は、モダリティ固有の埋め込みに存在する意味構造を無視して、ドメイン外のデータをうまく一般化するのに苦労することが多い。共同埋め込み空間におけるモダリティ特異的な関係を保ち, 一般化性を向上させるためのセマンティック・構造保存整合性アプローチを提案する。
論文参考訳（メタデータ） (2023-08-24T20:46:48Z)
Understanding and Mitigating Spurious Correlations in Text Classification with Neighborhood Analysis [69.07674653828565]
機械学習モデルは、トレーニングセットに存在するが一般的な状況では当てはまらない急激な相関を利用する傾向にある。本稿では, 周辺分析と呼ばれる新しい視点から, 突発的相関がもたらす意味について考察する。本稿では,テキスト分類における素早い相関を緩和する正規化手法であるNFL(doN't Forget your Language)を提案する。
論文参考訳（メタデータ） (2023-05-23T03:55:50Z)
FECANet: Boosting Few-Shot Semantic Segmentation with Feature-Enhanced Context-Aware Network [48.912196729711624]
Few-shot セマンティックセグメンテーション(Few-shot semantic segmentation)は、新しいクラスの各ピクセルを、わずかに注釈付きサポートイメージで検索するタスクである。本稿では,クラス間の類似性に起因するマッチングノイズを抑制するために,機能拡張コンテキスト認識ネットワーク(FECANet)を提案する。さらに,前景と背景の余分な対応関係を符号化する新たな相関再構成モジュールを提案する。
論文参考訳（メタデータ） (2023-01-19T16:31:13Z)
Variational Interpretable Learning from Multi-view Data [2.687817337319978]
DICCAは、多視点データの共有とビュー固有のバリエーションの両方を分離するように設計されている。実世界のデータセットにおける実証的な結果は、我々の手法がドメイン間で競合していることを示している。
論文参考訳（メタデータ） (2022-02-28T01:56:44Z)
Disentanglement and Generalization Under Correlation Shifts [22.499106910581958]
実世界のデータでは、変動要因間の相関が一般的である。機械学習アルゴリズムは、ノイズの多いデータに対する予測性能を高めることができるため、そのような相関を利用する利点がある。潜在部分空間の様々な要因を捉える表現を学習することを目的としている。
論文参考訳（メタデータ） (2021-12-29T18:55:17Z)
Learning to Combine: Knowledge Aggregation for Multi-Source Domain Adaptation [56.694330303488435]
マルチソースドメイン適応(LtC-MSDA)フレームワークを併用する学習法を提案する。簡単に言うと、知識グラフは様々なドメインのプロトタイプ上に構築され、セマンティックに隣接した表現間の情報伝達を実現する。我々のアプローチは、既存の手法よりも顕著なマージンで優れています。
論文参考訳（メタデータ） (2020-07-17T07:52:44Z)
On Disentangled Representations Learned From Correlated Data [59.41587388303554]
相関データに対する最も顕著な絡み合うアプローチの挙動を解析することにより、現実のシナリオにギャップを埋める。本研究では,データセットの体系的相関が学習され,潜在表現に反映されていることを示す。また、トレーニング中の弱い監督や、少数のラベルで事前訓練されたモデルを修正することで、これらの潜伏相関を解消する方法を実証する。
論文参考訳（メタデータ） (2020-06-14T12:47:34Z)

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。