Fugu-MT 論文翻訳(概要): Path Signatures for Feature Extraction. An Introduction to the Mathematics Underpinning an Efficient Machine Learning Technique

論文の概要: Path Signatures for Feature Extraction. An Introduction to the Mathematics Underpinning an Efficient Machine Learning Technique

arxiv url: http://arxiv.org/abs/2506.01815v1
Date: Mon, 02 Jun 2025 15:55:26 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-05 01:42:09.315805
Title: Path Signatures for Feature Extraction. An Introduction to the Mathematics Underpinning an Efficient Machine Learning Technique
Title（参考訳）: 効率的な機械学習技術を支える数学入門
Authors: Stephan Sturm,
Abstract要約: データストリームからの機械学習のための特徴抽出の手段として,パスシグネチャのトピックを紹介する。この記事では、シグネチャ方法論の基礎となる数学的理論を強調し、厳密な証明の技術的な詳細を掘り下げることなく概念的性格を強調する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We provide an introduction to the topic of path signatures as means of feature extraction for machine learning from data streams. The article stresses the mathematical theory underlying the signature methodology, highlighting the conceptual character without plunging into the technical details of rigorous proofs. These notes are based on an introductory presentation given to students of the Research Experience for Undergraduates in Industrial Mathematics and Statistics at Worcester Polytechnic Institute in June 2024.
Abstract（参考訳）: データストリームからの機械学習のための特徴抽出の手段として,パスシグネチャのトピックを紹介する。この記事では、シグネチャ方法論の基礎となる数学的理論を強調し、厳密な証明の技術的な詳細を掘り下げることなく概念的性格を強調する。これらのノートは、2024年6月にウースター工科大学の工業数学・統計学の学生に贈られた入門的なプレゼンテーションに基づいている。

関連論文リスト

Machine Learning: a Lecture Note [51.31735291774885]
この講義ノートは、データサイエンスの初等生と博士課程の学生、あるいは機械学習の基礎的アイデアに関する規律を準備することを目的としている。それは、機械学習の基本的なアイデアから始まり、分類を主なターゲットタスクとする。これらの基本的な考え方に基づいて、講義ノートは教師なし学習に対する確率論的アプローチを深く探求する。
論文参考訳（メタデータ） (2025-05-06T16:03:41Z)
Causal Inference Tools for a Better Evaluation of Machine Learning [0.0]
本稿では、通常最小方形回帰(OLS)、可変解析(ANOVA)、ロジスティック回帰(ロジスティック回帰)などの重要な統計手法を紹介する。この文書は研究者や実践者のガイドとして機能し、これらのテクニックがモデル行動、パフォーマンス、公平性に対する深い洞察を提供する方法について詳述している。
論文参考訳（メタデータ） (2024-10-02T10:03:29Z)
Automated conjecturing in mathematics with \emph{TxGraffiti} [0.0]
emphTxGraffitiは、予想を生成するプロセスを自動化するために開発されたデータ駆動型コンピュータプログラムである。本稿では,emphTxGraffitiプログラムのルーツを含む,emphTxGraffitiの設計と基本原理について述べる。
論文参考訳（メタデータ） (2024-09-28T15:06:31Z)
Artificial intelligence and machine learning generated conjectures with TxGraffiti [0.0]
TxGraffitiが実装した機械学習とテクニックについて概説する。また、グラフ理論の予想を探求したい人なら誰でも利用できる新しいオンライン版も発表します。
論文参考訳（メタデータ） (2024-07-03T01:03:09Z)
Contextual Semantic Embeddings for Ontology Subsumption Prediction [37.61925808225345]
本稿では,Web Ontology (OWL) のクラスに BERTSubs というコンテキスト埋め込みの新たな予測手法を提案する。これは、事前訓練された言語モデルBERTを利用してクラスの埋め込みを計算し、クラスコンテキストと論理的存在制約を組み込むためにカスタマイズされたテンプレートを提案する。
論文参考訳（メタデータ） (2022-02-20T11:14:04Z)
Computing Rule-Based Explanations of Machine Learning Classifiers using Knowledge Graphs [62.997667081978825]
我々は、機械学習分類器の動作を説明する用語を提供する基盤となるフレームワークとして知識グラフを使用している。特に,知識グラフの用語で表される一階述語論理規則の形で,ブラックボックスの説明を抽出し,表現するための新しい手法を提案する。
論文参考訳（メタデータ） (2022-02-08T16:21:49Z)
Deep Learning Schema-based Event Extraction: Literature Review and Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文参考訳（メタデータ） (2021-07-05T16:32:45Z)
Training a First-Order Theorem Prover from Synthetic Data [50.23600875138756]
自動定理証明に機械学習を適用する際の大きな課題は、トレーニングデータの不足である。本稿では,人間のデータを公理によらずに,純粋に合成生成定理をトレーニングする手法を提案する。私達の神経証明者は時間および検索のステップのこの総合的なデータで最先端のE-proverを上回っます。
論文参考訳（メタデータ） (2021-03-05T17:01:34Z)
A Diagnostic Study of Explainability Techniques for Text Classification [52.879658637466605]
既存の説明可能性技術を評価するための診断特性のリストを作成する。そこで本研究では, モデルの性能と有理性との整合性の関係を明らかにするために, 説明可能性手法によって割り当てられた有理性スコアと有理性入力領域の人間のアノテーションを比較した。
論文参考訳（メタデータ） (2020-09-25T12:01:53Z)
A Primer on the Signature Method in Machine Learning [2.3020018305241337]
本稿では,その理論的性質と機械学習応用に着目し,シグネチャ法の導入について述べる。まず、経路のシグネチャの定義と基本的性質を示す。数列として、シグネチャは経路のコンパクトな記述(次元減少)として機能する。第2部では,機械学習の領域におけるシグネチャの実践的応用について述べる。
論文参考訳（メタデータ） (2016-03-11T21:24:42Z)

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。