Fugu-MT 論文翻訳(概要): Facies Classification with Copula Entropy

論文の概要: Facies Classification with Copula Entropy

arxiv url: http://arxiv.org/abs/2501.14351v1
Date: Fri, 24 Jan 2025 09:24:56 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-27 14:55:42.999317
Title: Facies Classification with Copula Entropy
Title（参考訳）: Copula Entropy を用いた疾患分類
Authors: Jian Ma,
Abstract要約: 本稿では,コプラエントロピー(CE)をファシズム分類に適用することを提案する。本手法では, 地質学変数とファシズムクラスとの相関関係をCEを用いて測定し, 負のCEに関連付けられた変数を分類するために選択する。
参考スコア（独自算出の注目度）: 1.7125489646780319
License:
Abstract: In this paper we propose to apply copula entropy (CE) to facies classification. In our method, the correlations between geological variables and facies classes are measured with CE and then the variables associated with large negative CEs are selected for classification. We verified the proposed method on a typical facies dataset for facies classification and the experimental results show that the proposed method can select less geological variables for facies classification without sacrificing classification performance. The geological variables such selected are also interpretable to geologists with geological meanings due to the rigorous definition of CE.
Abstract（参考訳）: 本稿では,コプラエントロピー(CE)をファシズム分類に適用することを提案する。本手法では, 地質学変数とファシズムクラスとの相関関係をCEを用いて測定し, 負のCEに関連付けられた変数を分類するために選択する。本手法は, ファシズム分類のための典型的なファシズムデータセット上で検証され, 実験結果から, 分類性能を犠牲にすることなく, ファシズム分類のための少ない地質変数を選択できることが確認された。このような地質学的変数は、CEの厳密な定義による地質学的意味を持つ地質学者にも解釈可能である。

関連論文リスト

Conjunction Subspaces Test for Conformal and Selective Classification [1.8059823719166437]
異なるランダム部分空間上で有意なテスト結果を統合して、コンセンサス p-値を得る新しい分類器を提案する。提案した分類器は、共形予測や、リジェクションと精巧なオプションによる選択的な分類のために容易に展開できる。
論文参考訳（メタデータ） (2024-10-16T06:56:53Z)
CAVIAR: Categorical-Variable Embeddings for Accurate and Robust Inference [0.2209921757303168]
社会科学の研究は、しばしば分類変数と結果の関係に頼っている。本稿では,高次元空間における値を仮定するカテゴリ変数を埋め込む新しい手法であるCAVIARを紹介する。
論文参考訳（メタデータ） (2024-04-07T14:47:07Z)
Variational Classification [51.2541371924591]
我々は,変分オートエンコーダの訓練に用いるエビデンスローバウンド(ELBO)に類似した,モデルの訓練を目的とした変分目的を導出する。軟質マックス層への入力を潜伏変数のサンプルとして扱うことで, 抽象化された視点から, 潜在的な矛盾が明らかとなった。我々は、標準ソフトマックス層に見られる暗黙の仮定の代わりに、選択された潜在分布を誘導する。
論文参考訳（メタデータ） (2023-05-17T17:47:19Z)
Retrieval-Augmented Classification with Decoupled Representation [31.662843145399044]
そこで本研究では,KNN(Kk$-nearest-neighbor)に基づく拡張分類検索手法を提案する。分類と検索の共有表現がパフォーマンスを損なうことや,トレーニングの不安定化につながることが判明した。本手法は,幅広い分類データセットを用いて評価する。
論文参考訳（メタデータ） (2023-03-23T06:33:06Z)
Parametric Classification for Generalized Category Discovery: A Baseline Study [70.73212959385387]
Generalized Category Discovery (GCD)は、ラベル付きサンプルから学習した知識を用いて、ラベルなしデータセットで新しいカテゴリを発見することを目的としている。パラメトリック分類器の故障を調査し,高品質な監視が可能であった場合の過去の設計選択の有効性を検証し,信頼性の低い疑似ラベルを重要課題として同定する。エントロピー正規化の利点を生かし、複数のGCDベンチマークにおける最先端性能を実現し、未知のクラス数に対して強いロバスト性を示す、単純で効果的なパラメトリック分類法を提案する。
論文参考訳（メタデータ） (2022-11-21T18:47:11Z)
Domain Adaptive Nuclei Instance Segmentation and Classification via Category-aware Feature Alignment and Pseudo-labelling [65.40672505658213]
本稿では, UDA 核インスタンス分割と分類のための新しいディープニューラルネットワークである Category-Aware 機能アライメントと Pseudo-Labelling Network (CAPL-Net) を提案する。我々のアプローチは、最先端のUDA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） (2022-07-04T07:05:06Z)
Self-Certifying Classification by Linearized Deep Assignment [65.0100925582087]
そこで我々は,PAC-Bayesリスク認定パラダイム内で,グラフ上のメトリックデータを分類するための新しい深層予測器のクラスを提案する。 PAC-Bayesの最近の文献とデータに依存した先行研究に基づいて、この手法は仮説空間上の後続分布の学習を可能にする。
論文参考訳（メタデータ） (2022-01-26T19:59:14Z)
Discriminative Attribution from Counterfactuals [64.94009515033984]
本稿では,特徴属性と反実的説明を組み合わせたニューラルネットワークの解釈可能性について述べる。本手法は,特徴属性法の性能を客観的に評価するために有効であることを示す。
論文参考訳（メタデータ） (2021-09-28T00:53:34Z)
Conditional canonical correlation estimation based on covariates with random forests [0.0]
本研究では,2つの変数間の条件付き正準相関を推定するRFCCAを用いたランダムフォレスト(Random Forest)を提案する。提案手法と大域的意義試験は,精度の高い正準相関推定とよく制御されたType-1誤差を提供するシミュレーション研究によって評価される。
論文参考訳（メタデータ） (2020-11-23T17:09:46Z)
Classification with Rejection Based on Cost-sensitive Classification [83.50402803131412]
学習のアンサンブルによる拒絶を用いた新しい分類法を提案する。実験により, クリーン, ノイズ, 正の未ラベル分類における提案手法の有用性が示された。
論文参考訳（メタデータ） (2020-10-22T14:05:05Z)
Engineering Topological Phases Guided by Statistical and Machine Learning Methods [0.0]
本稿では,位相図の事前知識を必要とせず,一般格子の位相モデルを構築する統計的手法を提案する。ランダム分布から厳密な結合パラメータベクトルをサンプリングすることにより、対応するトポロジカル指数にラベル付けしたデータセットを得る。このラベル付きデータは、トポロジカル分類に最も関係したパラメータを抽出し、最も可能性が高い値を見つけるために分析される。本稿では,Altland-Zirnbauer (AZ) クラス A におけるハニカム格子の原型的トポロジカル絶縁体として,Haldane モデルの予測という概念の証明として提示する。
論文参考訳（メタデータ） (2020-08-25T18:00:16Z)

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。