論文の概要: A Note on Small Percolating Sets on Hypercubes via Generative AI
- arxiv url: http://arxiv.org/abs/2411.19734v1
- Date: Fri, 29 Nov 2024 14:27:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-02 15:18:38.379400
- Title: A Note on Small Percolating Sets on Hypercubes via Generative AI
- Title(参考訳): 生成AIによるハイパーキューブ上の小さなパーコレーション集合の一考察
- Authors: Gergely Bérczi, Adam Zsolt Wagner,
- Abstract要約: ハイパーキューブのブートストラップ・パーコレーションを研究するために,PatternBoostと呼ばれる生成AI技術を適用した。
これにより、ハイパーキューブのパーコレーション部分集合のサイズに対して、最良な上界をわずかに改善する。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: We apply a generative AI pattern-recognition technique called PatternBoost to study bootstrap percolation on hypercubes. With this, we slightly improve the best existing upper bound for the size of percolating subsets of the hypercube.
- Abstract(参考訳): 我々はPatternBoostと呼ばれる生成AIパターン認識技術を用いて、ハイパーキューブのブートストラップパーコレーションを研究する。
これにより、ハイパーキューブのパーコレーション部分集合のサイズに対して、最良な上界をわずかに改善する。
関連論文リスト
- GCC: Generative Calibration Clustering [55.44944397168619]
本稿では,特徴学習と拡張をクラスタリングに組み込む新しいGCC法を提案する。
まず,実検体と実検体間の固有関係を識別する識別的特徴アライメント機構を開発する。
第二に、より信頼性の高いクラスタ割り当てを生成するための自己教師付きメトリック学習を設計する。
論文 参考訳(メタデータ) (2024-04-14T01:51:11Z) - HMSN: Hyperbolic Self-Supervised Learning by Clustering with Ideal
Prototypes [7.665392786787577]
プロトタイプに基づくクラスタリング手法の自己教師付き表現学習には,双曲表現空間を用いる。
我々はMasked Siamese Networksを拡張し、双曲空間のPoincar'eボールモデルで操作する。
従来の手法とは異なり、エンコーダネットワークの出力における双曲空間に投影し、双曲投影ヘッドを利用して、下流タスクに使用される表現が双曲的であることを保証する。
論文 参考訳(メタデータ) (2023-05-18T12:38:40Z) - Augmentations in Hypergraph Contrastive Learning: Fabricated and
Generative [126.0985540285981]
我々は、ハイパーグラフニューラルネットワークの一般化性を改善するために、画像/グラフからの対照的な学習アプローチ(ハイパーGCLと呼ぶ)を適用する。
我々は、高次関係を符号化したハイパーエッジを増大させる2つのスキームを作成し、グラフ構造化データから3つの拡張戦略を採用する。
拡張ビューを生成するためのハイパーグラフ生成モデルを提案し、次に、ハイパーグラフ拡張とモデルパラメータを協調的に学習するエンド・ツー・エンドの微分可能なパイプラインを提案する。
論文 参考訳(メタデータ) (2022-10-07T20:12:20Z) - Semi-Supervised Subspace Clustering via Tensor Low-Rank Representation [64.49871502193477]
本稿では,初期監視情報を同時に拡張し,識別親和性行列を構築することのできる,新しい半教師付きサブスペースクラスタリング手法を提案する。
6つの一般的なベンチマークデータセットの総合的な実験結果から,本手法が最先端手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-05-21T01:47:17Z) - Provable Lipschitz Certification for Generative Models [103.97252161103042]
生成モデルのリプシッツ定数を上界化するためのスケーラブルな手法を提案する。
この集合をゾノトープを用いた層状凸近似により近似する。
これにより、小さなネットワーク上で効率的かつ厳密なバウンダリを提供し、VAEおよびDCGANアーキテクチャ上の生成モデルにスケールすることができる。
論文 参考訳(メタデータ) (2021-07-06T17:00:29Z) - Slicing the hypercube is not easy [6.447052211404121]
我々は、少なくとも$Omega(n0.51)$超平面は、$n$次元ハイパーキューブのすべての辺をスライスする必要があることを証明している。
論文 参考訳(メタデータ) (2021-02-10T16:24:37Z) - Perfect state transfer on hypercubes and its implementation using
superconducting qubits [0.17205106391379021]
ハイパーキューブの任意の頂点間の完全状態伝達プロトコルを提案する。
メモリ強化ハイパーキューブのサブハイパーキューブを決定するスイッチングプロセスを導入する。
プロトコルの欠陥実装による状態転送の完全性に縛られたエラーを報告する。
論文 参考訳(メタデータ) (2020-11-06T20:28:59Z) - Exact Partitioning of High-order Planted Models with a Tensor Nuclear
Norm Constraint [30.553697242038233]
高次プラントモデルでは、いくつかの基盤となるクラスタ構造を仮定し、ノード間にハイパーエッジを配置することで高次相互作用をシミュレートする。
計算効率のよい凸最適化問題を核ノルム制約で解くことにより,高次植立モデルの正確な分割が達成可能であることを示す。
論文 参考訳(メタデータ) (2020-06-20T22:14:12Z) - On Infinite-Width Hypernetworks [101.03630454105621]
我々は、ハイパーネットワークが、下降中のグローバルなミニマを保証していないことを示す。
我々は,これらのアーキテクチャの機能的先行を,対応するGPカーネルとNTKカーネルを導出することによって同定する。
この研究の一環として、標準完全連結ReLUネットワークの高次テイラー項の厳密な境界を導出した数学的貢献を行う。
論文 参考訳(メタデータ) (2020-03-27T00:50:29Z) - Differentiating through the Fr\'echet Mean [51.32291896926807]
フレット平均(Fr'echet mean)はユークリッド平均の一般化である。
任意のリーマン多様体に対して Fr'echet 平均を微分する方法を示す。
これにより、Fr'echet平均を双曲型ニューラルネットワークパイプラインに完全に統合する。
論文 参考訳(メタデータ) (2020-02-29T19:49:38Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。