Fugu-MT 論文翻訳(概要): A Geometry-Grounded Data Perimeter in Azure

論文の概要: A Geometry-Grounded Data Perimeter in Azure

arxiv url: http://arxiv.org/abs/2505.13238v1
Date: Mon, 19 May 2025 15:21:08 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-20 14:57:11.693762
Title: A Geometry-Grounded Data Perimeter in Azure
Title（参考訳）: Azureにおけるジオメトリを取り巻くデータ周辺
Authors: Christophe Parisel,
Abstract要約: 本稿は,Azure s blast radius Ultrametricがいかに距離を提供するか,また,この超測度空間におけるトラベリングセールスマン問題の解決がいかに順序付けを提供するかを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: While data perimeter is ubiquitous in cybersecurity speak, it rarely defines how boundary points are arranged. In this paper we show how Azure s blast radius ultrametric provides the distance, and how solving the Traveling Salesman Problem in this ultrametric space provides the ordering, yielding a true geometric contour: an actionable perimeter measure for SPN prioritization.
Abstract（参考訳）: サイバーセキュリティの話では、データ周辺はユビキタスだが、境界線をどのように配置するかを定義することはめったにない。本稿では,Azureのブラスト半径が距離をどのように提供するか,また,この超測度空間におけるトラベリングセールスマン問題の解決が,真の幾何学的輪郭(SPN優先順位付けのための実行可能な周辺測度)をいかに提供するかを示す。

関連論文リスト

Learning Bijective Surface Parameterization for Inferring Signed Distance Functions from Sparse Point Clouds with Grid Deformation [50.26314343851213]
疎点雲から符号付き距離関数(SDF)を推定することは、表面再構成の課題である。本稿では,SDFをエンドツーエンドに予測するために動的変形ネットワークを学習する新しい手法を提案する。合成および実スキャンデータを用いた実験結果から,本手法は最先端の手法よりも優れていることが示された。
論文参考訳（メタデータ） (2025-03-31T02:27:02Z)
Manifold learning in metric spaces [4.849550522970841]
Laplacian-based method is popular for dimensionality reduction of data lying in $mathbbRN$。グラフラプラシアンの点収束に対して、計量が十分条件を満たすとき、多様体学習の問題を計量空間に一般化する枠組みを提供する。
論文参考訳（メタデータ） (2025-03-20T14:37:40Z)
Riemann$^2$: Learning Riemannian Submanifolds from Riemannian Data [12.424539896723603]
潜在変数モデルは、高次元データから低次元多様体を学習するための強力なツールである。本稿では,ロボットの動作合成や脳コネクトームの解析など,さまざまな領域における複雑なタスクの処理を可能にする。
論文参考訳（メタデータ） (2025-03-07T16:08:53Z)
Score-based pullback Riemannian geometry [10.649159213723106]
本稿では,データ駆動型リーマン幾何学のフレームワークを提案する。データサポートを通して高品質な測地学を作成し、データ多様体の固有次元を確実に推定する。我々のフレームワークは、訓練中に等方性正規化を採用することで、自然に異方性正規化フローで使用することができる。
論文参考訳（メタデータ） (2024-10-02T18:52:12Z)
Choosing the parameter of the Fermat distance: navigating geometry and noise [2.941832525496684]
Fermat distanceは、実践者が自然距離を直接利用できない場合、機械学習タスクに有用なツールである。この距離は、その後のタスクのパフォーマンスに大きな影響を与えるパラメータ$alpha$に依存する。
論文参考訳（メタデータ） (2023-11-30T16:11:12Z)
The Fisher-Rao geometry of CES distributions [50.50897590847961]
Fisher-Rao情報幾何学は、ツールを微分幾何学から活用することができる。楕円分布の枠組みにおけるこれらの幾何学的ツールの実用的利用について述べる。
論文参考訳（メタデータ） (2023-10-02T09:23:32Z)
Identifying latent distances with Finslerian geometry [6.0188611984807245]
生成モデルにより、データ空間と測地学は最も非現実的であり、操作が不可能である。本研究では,引き戻し距離の期待値が明示的に最小となる別の測度を提案する。高次元では、どちらの測度も$Oleft(frac1Dright)$の速度で収束することが証明される。
論文参考訳（メタデータ） (2022-12-20T05:57:27Z)
GeoUDF: Surface Reconstruction from 3D Point Clouds via Geometry-guided Distance Representation [73.77505964222632]
スパース点雲から離散曲面を再構成する問題に対処する学習ベース手法であるGeoUDFを提案する。具体的には、UDFのための幾何誘導学習法とその勾配推定を提案する。予測されたUDFから三角形メッシュを抽出するために,カスタマイズされたエッジベースマーチングキューブモジュールを提案する。
論文参考訳（メタデータ） (2022-11-30T06:02:01Z)
Intrinsic dimension estimation for discrete metrics [65.5438227932088]
本稿では,離散空間に埋め込まれたデータセットの内在次元(ID)を推定するアルゴリズムを提案する。我々は,その精度をベンチマークデータセットで示すとともに,種鑑定のためのメダゲノミクスデータセットの分析に応用する。このことは、列の空間の高次元性にもかかわらず、蒸発圧が低次元多様体に作用することを示唆している。
論文参考訳（メタデータ） (2022-07-20T06:38:36Z)
Sketch and Scale: Geo-distributed tSNE and UMAP [75.44887265789056]
地理的に分散したデータセット上で機械学習分析を実行することは、急速に発生する問題である。私たちはSketch and Scale(SnS)という新しいフレームワークを紹介します。これはCount Sketchデータ構造を利用して、エッジノード上のデータを圧縮し、マスターノード上の縮小サイズスケッチを集約し、サマリ上でバニラtSNEまたはUMAPを実行する。我々は、この技術が完全に並列で、線形に時間にスケールし、メモリに対数的に分散し、通信し、世界中の複数のデータセンターにまたがる数百万、数十億のデータポイントでデータセットを解析できることを示す。
論文参考訳（メタデータ） (2020-11-11T22:32:21Z)
A Point-Cloud Deep Learning Framework for Prediction of Fluid Flow Fields on Irregular Geometries [62.28265459308354]
ネットワークは空間位置とCFD量のエンドツーエンドマッピングを学習する。断面形状の異なるシリンダーを過ぎる非圧縮層状定常流を考察する。ネットワークは従来のCFDの数百倍の速さで流れ場を予測する。
論文参考訳（メタデータ） (2020-10-15T12:15:02Z)

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。