論文の概要: Towards Initialization-Agnostic Clustering with Iterative Adaptive Resonance Theory

• arxiv url: http://arxiv.org/abs/2505.04440v1
• Date: Wed, 07 May 2025 14:12:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-08 19:07:36.102851
• Title: Towards Initialization-Agnostic Clustering with Iterative Adaptive Resonance Theory
• Title（参考訳）: 反復適応共振理論による初期化非依存クラスタリングに向けて
• Authors: Xiaozheng Qu, Zhaochuan Li, Zhuang Qi, Xiang Li, Haibei Huang, Lei Meng, Xiangxu Meng,
• Abstract要約: Iterative Refinement Adaptive Resonance Theory (IR-ART)は、3つの重要な位相を統合された反復的フレームワークに統合する。 IR-ARTは、ファジィARTのパラメータ単純性を保ちながら、準最適警戒パラメータ値に対する耐性を向上させる。 ケーススタディは、反復的な改善を通じてアルゴリズムの自己最適化能力を視覚的に確認する。
• 参考スコア（独自算出の注目度）: 8.312275539092466
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The clustering performance of Fuzzy Adaptive Resonance Theory (Fuzzy ART) is highly dependent on the preset vigilance parameter, where deviations in its value can lead to significant fluctuations in clustering results, severely limiting its practicality for non-expert users. Existing approaches generally enhance vigilance parameter robustness through adaptive mechanisms such as particle swarm optimization and fuzzy logic rules. However, they often introduce additional hyperparameters or complex frameworks that contradict the original simplicity of the algorithm. To address this, we propose Iterative Refinement Adaptive Resonance Theory (IR-ART), which integrates three key phases into a unified iterative framework: (1) Cluster Stability Detection: A dynamic stability detection module that identifies unstable clusters by analyzing the change of sample size (number of samples in the cluster) in iteration. (2) Unstable Cluster Deletion: An evolutionary pruning module that eliminates low-quality clusters. (3) Vigilance Region Expansion: A vigilance region expansion mechanism that adaptively adjusts similarity thresholds. Independent of the specific execution of clustering, these three phases sequentially focus on analyzing the implicit knowledge within the iterative process, adjusting weights and vigilance parameters, thereby laying a foundation for the next iteration. Experimental evaluation on 15 datasets demonstrates that IR-ART improves tolerance to suboptimal vigilance parameter values while preserving the parameter simplicity of Fuzzy ART. Case studies visually confirm the algorithm's self-optimization capability through iterative refinement, making it particularly suitable for non-expert users in resource-constrained scenarios.
• Abstract（参考訳）: ファジィ適応共振理論 (Fuzzy Adaptive Resonance Theory, ART) のクラスタリング性能は, 事前設定された警戒パラメータに大きく依存している。 既存のアプローチは一般に、粒子群最適化やファジィ論理規則といった適応的なメカニズムを通じて、警戒パラメータの堅牢性を高める。 しかし、アルゴリズムの本来の単純さに反する追加のハイパーパラメータや複雑なフレームワークを導入することが多い。 1) クラスタ安定性検出: 繰り返しのサンプルサイズ(クラスタ内のサンプル数)の変化を分析して不安定なクラスタを識別する動的安定性検出モジュール。 (2) Unstable Cluster Deletion: 低品質クラスタを排除する進化的なプルングモジュール。 (3)警戒領域拡大:類似度閾値を適応的に調整する警戒領域拡張機構。 クラスタリングの特定の実行とは独立して、これらの3つのフェーズは、反復プロセス内の暗黙の知識を分析し、ウェイトと警戒パラメータを調整することによって、次のイテレーションの基盤を構築することに集中します。 15のデータセットに対する実験的評価により、IR-ARTはファジィARTのパラメータ単純性を保ちながら、最適以下のパラメータ値に対する耐性を向上させることが示された。 ケーススタディでは、反復的な改善を通じてアルゴリズムの自己最適化能力を視覚的に確認し、リソース制約のあるシナリオにおいて、特に専門家でないユーザに適している。

関連論文リスト

• Stochastic Optimization with Optimal Importance Sampling [49.484190237840714]
  本稿では,両者の時間的分離を必要とせずに,意思決定とIS分布を共同で更新する反復型アルゴリズムを提案する。 本手法は,IS分布系に対する目的的,軽度な仮定の凸性の下で,最小の変数分散を達成し,大域収束を保証する。
  論文  参考訳（メタデータ） (2025-04-04T16:10:18Z)
• Anomaly Detection in Time Series of EDFA Pump Currents to Monitor Degeneration Processes using Fuzzy Clustering [0.0]
  本稿では,EDFAシステムのポンプ電流時系列に対するファジィクラスタリングに基づく異常検出手法を提案する。 提案する変更検出フレームワーク(CDF)は,エントロピー解析(EA)と原理成分分析(PCA)とファジィクラスタリングの利点を戦略的に組み合わせている。
  論文  参考訳（メタデータ） (2024-08-12T14:23:42Z)
• Adaptively Robust and Sparse K-means Clustering [5.535948428518607]
  本稿では,標準的なK-meansアルゴリズムのこれらの実用的限界に対処するため,適応的に頑健でスパースなK-meansクラスタリング(ARSK)を提案する。 頑健性のために,各観測値に冗長な誤差成分を導入し,グループスパースペナルティを用いて追加パラメータをペナルティ化する。 高次元ノイズ変数の影響に対応するために、重みを取り入れ、重みベクトルの空間性を制御するペナルティを実装することにより、目的関数を変更する。
  論文  参考訳（メタデータ） (2024-07-09T15:20:41Z)
• 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)
• Dynamic Kernel-Based Adaptive Spatial Aggregation for Learned Image Compression [63.56922682378755]
  本稿では,空間アグリゲーション機能の拡張に焦点をあて,動的カーネルベースの変換符号化を提案する。 提案したアダプティブアグリゲーションはカーネルオフセットを生成し、コンテント条件付き範囲の有効な情報をキャプチャして変換を支援する。 実験により,本手法は,最先端の学習手法と比較して,3つのベンチマークにおいて高い速度歪み性能が得られることを示した。
  論文  参考訳（メタデータ） (2023-08-17T01:34:51Z)
• Improve Noise Tolerance of Robust Loss via Noise-Awareness [60.34670515595074]
  本稿では,NARL-Adjuster(NARL-Adjuster for brevity)と呼ばれる,ハイパーパラメータ予測関数を適応的に学習するメタラーニング手法を提案する。 4つのSOTAロバストな損失関数を我々のアルゴリズムに統合し,提案手法の一般性および性能をノイズ耐性と性能の両面で検証した。
  論文  参考訳（メタデータ） (2023-01-18T04:54:58Z)
• A Simple and Scalable Tensor Completion Algorithm via Latent Invariant Constraint for Recommendation System [6.125831939376033]
  本研究では,ユーザ評価の低さを考慮に入れた,観測不能な個人の嗜好に対するモデルのパラメータを効率的に,かつ正確に学習する手法を提案する。 テンソル分解を1つの潜在不変量で正規化することにより、信頼できるレコメンダシステムに対して3つの特性を達成する。
  論文  参考訳（メタデータ） (2022-06-27T15:03:18Z)
• Correlation Clustering Reconstruction in Semi-Adversarial Models [70.11015369368272]
  相関クラスタリングは多くのアプリケーションにおいて重要なクラスタリング問題である。 本研究では,ランダムノイズや対向的な修正によって崩壊した潜伏クラスタリングを再構築しようとする,この問題の再構築版について検討する。
  論文  参考訳（メタデータ） (2021-08-10T14:46:17Z)
• Momentum Accelerates the Convergence of Stochastic AUPRC Maximization [80.8226518642952]
  高精度リコール曲線(AUPRC)に基づく領域の最適化について検討し,不均衡なタスクに広く利用されている。 我々は、$O (1/epsilon4)$のより優れた反復による、$epsilon$定常解を見つけるための新しい運動量法を開発する。 また,O(1/epsilon4)$と同じ複雑さを持つ適応手法の新たなファミリを設計し,実際により高速な収束を享受する。
  論文  参考訳（メタデータ） (2021-07-02T16:21:52Z)

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。