論文の概要: The Query/Hit Model for Sequential Hypothesis Testing

• arxiv url: http://arxiv.org/abs/2502.00605v1
• Date: Sun, 02 Feb 2025 00:23:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 14:52:25.856899
• Title: The Query/Hit Model for Sequential Hypothesis Testing
• Title（参考訳）: 逐次仮説検証のためのクエリ/ハイトモデル
• Authors: Mahshad Shariatnasab, Stefano Rini, Farhad Shirani, S. Sitharama Iyengar,
• Abstract要約: この作業では、Query/Hit(Q/H)学習モデルを紹介します。 1つのエージェントであるAliceはストリーミングソースにアクセスでき、もう1つのエージェントであるBobはソースに直接アクセスできない。 Bob氏はソースシンボルのシーケンス(クエリ)を送信し、Alice氏はソースストリーム(hits)に各クエリが現れるまで待ち時間で応答する。
• 参考スコア（独自算出の注目度）: 8.242194776558895
• License:
• Abstract: This work introduces the Query/Hit (Q/H) learning model. The setup consists of two agents. One agent, Alice, has access to a streaming source, while the other, Bob, does not have direct access to the source. Communication occurs through sequential Q/H pairs: Bob sends a sequence of source symbols (queries), and Alice responds with the waiting time until each query appears in the source stream (hits). This model is motivated by scenarios with communication, computation, and privacy constraints that limit real-time access to the source. The error exponent for sequential hypothesis testing under the Q/H model is characterized, and a querying strategy, the Dynamic Scout-Sentinel Algorithm (DSSA), is proposed. The strategy employs a mutual information neural estimator to compute the error exponent associated with each query and to select the query with the highest efficiency. Extensive empirical evaluations on both synthetic and real-world datasets -- including mouse movement trajectories, typesetting patterns, and touch-based user interactions -- are provided to evaluate the performance of the proposed strategy in comparison with baselines, in terms of probability of error, query choice, and time-to-detection.
• Abstract（参考訳）: この作業では、Query/Hit(Q/H)学習モデルを紹介します。 構成は2つのエージェントから構成される。 1つのエージェントであるAliceはストリーミングソースにアクセスでき、もう1つのエージェントであるBobはソースに直接アクセスできない。 Bobはソースシンボルのシーケンス(クエリ)を送信し、Aliceはソースストリーム(hits)に各クエリが現れるまで待ち時間で応答する。 このモデルは、通信、計算、およびソースへのリアルタイムアクセスを制限するプライバシー制約のあるシナリオによって動機付けられている。 Q/Hモデルに基づく逐次仮説テストの誤差指数を特徴とし、クエリ戦略である動的スカウト・センチネルアルゴリズム(DSSA)を提案する。 この戦略では、相互情報ニューラル推定器を用いて、各クエリに関連するエラー指数を計算し、最も効率のよいクエリを選択する。 マウスの動きトラジェクトリ、タイプセットパターン、タッチベースのユーザインタラクションを含む、合成および現実両方のデータセットに対する広範な実験的評価は、エラーの確率、クエリ選択、時間対検出の観点から、ベースラインと比較して提案された戦略のパフォーマンスを評価するために提供される。

関連論文リスト

• Unbiased Learning to Rank with Query-Level Click Propensity Estimation: Beyond Pointwise Observation and Relevance [74.43264459255121]
  現実のシナリオでは、ユーザーは複数の関連するオプションを調べた後、1つまたは2つの結果だけをクリックします。 本稿では,ユーザが異なる検索結果リストをクリックする確率を捉えるために,クエリレベルのクリック確率モデルを提案する。 本手法では,2次元逆重み付け機構を導入し,相対飽和度と位置偏差に対処する。
  論文  参考訳（メタデータ） (2025-02-17T03:55:51Z)
• pEBR: A Probabilistic Approach to Embedding Based Retrieval [4.8338111302871525]
  埋め込み検索は、クエリとアイテムの両方の共有セマンティック表現空間を学習することを目的としている。 現在の産業実践では、検索システムは典型的には、異なるクエリに対して一定数のアイテムを検索する。
  論文  参考訳（メタデータ） (2024-10-25T07:14:12Z)
• Long-Span Question-Answering: Automatic Question Generation and QA-System Ranking via Side-by-Side Evaluation [65.16137964758612]
  大規模言語モデルにおける長文文の活用について検討し,本書全体の読解データを作成する。 我々の目的は、長いテキストの詳細な理解を必要とする問題を分析し、理解し、推論するLLMの能力をテストすることである。
  論文  参考訳（メタデータ） (2024-05-31T20:15:10Z)
• Scalable Decentralized Algorithms for Online Personalized Mean Estimation [12.002609934938224]
  本研究は,各エージェントが実数値分布からサンプルを収集し,その平均値を推定する,オーバーアーキシング問題の簡易版に焦点を当てた。 1つは信念の伝播からインスピレーションを得ており、もう1つはコンセンサスに基づくアプローチを採用している。
  論文  参考訳（メタデータ） (2024-02-20T08:30:46Z)
• MeaeQ: Mount Model Extraction Attacks with Efficient Queries [6.1106195466129485]
  自然言語処理(NLP)におけるモデル抽出攻撃の研究 これらの問題に対処する単純で効果的な方法であるMeaeQを提案する。 MeaeQは、クエリを少なくしながら、ベースラインよりも犠牲者モデルに高い機能的類似性を実現する。
  論文  参考訳（メタデータ） (2023-10-21T16:07:16Z)
• Causal Feature Selection via Transfer Entropy [59.999594949050596]
  因果発見は、観察データによる特徴間の因果関係を特定することを目的としている。 本稿では,前向きと後向きの機能選択に依存する新たな因果的特徴選択手法を提案する。 精度および有限サンプルの場合の回帰誤差と分類誤差について理論的に保証する。
  論文  参考訳（メタデータ） (2023-10-17T08:04:45Z)
• Single-Stage Visual Relationship Learning using Conditional Queries [60.90880759475021]
  TraCQは、マルチタスク学習問題とエンティティペアの分布を回避する、シーングラフ生成の新しい定式化である。 我々は,DETRをベースとしたエンコーダ-デコーダ条件付きクエリを用いて,エンティティラベル空間を大幅に削減する。 実験結果から、TraCQは既存のシングルステージシーングラフ生成法よりも優れており、Visual Genomeデータセットの最先端の2段階メソッドを多く上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-06-09T06:02:01Z)
• Walk for Learning: A Random Walk Approach for Federated Learning from Heterogeneous Data [17.978941229970886]
  私たちは標準的アプリケーションとしてフェデレートラーニング(FL)に注目します。 FLの主な課題の1つは、ノードとパラメータサーバの間の通信ボトルネックである。 適応型ランダムウォーク学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-01T19:53:24Z)
• Pre and Post Counting for Scalable Statistical-Relational Model Discovery [19.18886406228943]
  統計的関係モデル発見は、関係データに統計的に関連のあるパターンを見つけることを目的としている。 命題的(非リレーショナル)なグラフィカルモデルと同様に、モデル発見における大きなスケーラビリティのボトルネックは、インスタンス数を計算することである。 本稿では,リレーショナル学習における事前集計とポストカウント戦略間のメモリとスピードのトレードオフを詳細に検討する。
  論文  参考訳（メタデータ） (2021-10-19T07:03:35Z)
• Probabilistic Case-based Reasoning for Open-World Knowledge Graph Completion [59.549664231655726]
  ケースベース推論(CBR)システムは,与えられた問題に類似した事例を検索することで,新たな問題を解決する。 本稿では,知識ベース(KB)の推論において,そのようなシステムが実現可能であることを示す。 提案手法は,KB内の類似エンティティからの推論パスを収集することにより,エンティティの属性を予測する。
  論文  参考訳（メタデータ） (2020-10-07T17:48:12Z)
• Tradeoffs in Sentence Selection Techniques for Open-Domain Question Answering [54.541952928070344]
  文選択のためのモデルの2つのグループについて述べる。QAベースのアプローチは、解答候補を特定するための完全なQAシステムを実行し、検索ベースのモデルは、各質問に特に関連する各節の一部を見つける。 非常に軽量なQAモデルは、このタスクではうまく機能するが、検索ベースモデルは高速である。
  論文  参考訳（メタデータ） (2020-09-18T23:39:15Z)

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。