Fugu-MT 論文翻訳(概要): Sliding Window Informative Canonical Correlation Analysis

論文の概要: Sliding Window Informative Canonical Correlation Analysis

arxiv url: http://arxiv.org/abs/2507.17921v1
Date: Wed, 23 Jul 2025 20:35:15 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-25 15:10:42.534116
Title: Sliding Window Informative Canonical Correlation Analysis
Title（参考訳）: スライディングウィンドウインフォーマティブ・カノニカル相関解析
Authors: Arvind Prasadan,
Abstract要約: カノニカル相関解析(Canonical correlation analysis, CCA)は、2つのデータセット間の相関した特徴集合を見つける手法である。 Sliding Window Informative Canonical correlation Analysis (SWICCA) によるオンラインストリーミングデータ設定へのCCAの新たな拡張を提案する。
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: Canonical correlation analysis (CCA) is a technique for finding correlated sets of features between two datasets. In this paper, we propose a novel extension of CCA to the online, streaming data setting: Sliding Window Informative Canonical Correlation Analysis (SWICCA). Our method uses a streaming principal component analysis (PCA) algorithm as a backend and uses these outputs combined with a small sliding window of samples to estimate the CCA components in real time. We motivate and describe our algorithm, provide numerical simulations to characterize its performance, and provide a theoretical performance guarantee. The SWICCA method is applicable and scalable to extremely high dimensions, and we provide a real-data example that demonstrates this capability.
Abstract（参考訳）: カノニカル相関解析(Canonical correlation analysis, CCA)は、2つのデータセット間の相関した特徴集合を見つける手法である。本稿では,Sliding Window Informative Canonical correlation Analysis (SWICCA) という,オンライン・ストリーミング・データ・セッティングへのCAAの新たな拡張を提案する。提案手法は,ストリーミング主成分分析(PCA)アルゴリズムをバックエンドとして使用し,これらの出力とサンプルの小さなスライディングウィンドウを組み合わせることで,CAA成分をリアルタイムで推定する。我々は,アルゴリズムのモチベーションと記述を行い,その性能を特徴付ける数値シミュレーションを提供し,理論的性能保証を提供する。 SWICCA法は極めて高次元に適用可能で,拡張性が高い。

関連論文リスト

InfoDPCCA: Information-Theoretic Dynamic Probabilistic Canonical Correlation Analysis [20.656410520966986]
InfoDPCCAは、2つの相互依存的な観測シーケンスをモデル化するフレームワークである。本稿では,情報理論表現学習と生成モデルとのギャップを埋める2段階の学習手法を提案する。表現学習のツールとしてInfoDPCCAが優れていることを示す。
論文参考訳（メタデータ） (2025-06-10T15:13:48Z)
DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文参考訳（メタデータ） (2024-06-05T06:18:03Z)
Unifying Feature and Cost Aggregation with Transformers for Semantic and Visual Correspondence [51.54175067684008]
本稿では,高密度マッチングタスク用に設計されたTransformerベースの積分機能とコスト集約ネットワークを提案する。まず, 特徴集約とコスト集約が異なる特徴を示し, 双方の集約プロセスの司法的利用から生じる実質的な利益の可能性を明らかにした。本フレームワークは意味マッチングのための標準ベンチマークで評価され,また幾何マッチングにも適用された。
論文参考訳（メタデータ） (2024-03-17T07:02:55Z)
KPIs-Based Clustering and Visualization of HPC jobs: a Feature Reduction Approach [0.0]
HPCシステムは、安定性を確保するために常に監視される必要がある。監視システムは、リソース使用量やIO待ち時間など、さまざまなパラメータやキーパフォーマンス指標(KPI)に関する膨大なデータを収集します。通常時系列として保存されるこのデータの適切な分析は、適切な管理戦略の選択と問題の早期検出に関する洞察を与えることができる。
論文参考訳（メタデータ） (2023-12-11T17:13:54Z)
Efficient Semantic Matching with Hypercolumn Correlation [58.92933923647451]
HCCNetは効率的で効果的なセマンティックマッチング手法である。マルチスケール相関写像の完全なポテンシャルを利用する。 4D相関マップ上では、高価なマッチング関係のマイニングに頼っている。
論文参考訳（メタデータ） (2023-11-07T20:40:07Z)
A Bayesian Methodology for Estimation for Sparse Canonical Correlation [0.0]
標準相関解析(CCA)は、データセット間の関係を識別する統計手法である。 ScSCCAは、異なるデータモダリティ間の相互関係の堅牢なモデリングを目的とした、急速に発展する方法論分野である。ベイズ無限因子モデルを用いて,ロバストな推定を実現する新しいSCSCCA手法を提案する。
論文参考訳（メタデータ） (2023-10-30T15:14:25Z)
Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
論文参考訳（メタデータ） (2023-04-04T17:54:32Z)
The effectiveness of factorization and similarity blending [0.0]
CF(Collaborative Filtering)は、過去のユーザの好みデータを活用して行動パターンを特定し、カスタムレコメンデーションを予測するテクニックである。因子分解と類似性に基づくアプローチを組み合わせることで,スタンドアローンモデルにおける誤差の顕著な減少(-9.4%)が期待できることを示す。本稿では,従来のアルゴリズムの複雑さを一貫して低減する類似性モデルSCSRの新たな拡張を提案する。
論文参考訳（メタデータ） (2022-09-16T13:11:27Z)
Exploiting Temporal Structures of Cyclostationary Signals for Data-Driven Single-Channel Source Separation [98.95383921866096]
単一チャネルソース分離(SCSS)の問題点について検討する。我々は、様々なアプリケーション領域に特に適するサイクロ定常信号に焦点を当てる。本稿では,最小MSE推定器と競合するU-Netアーキテクチャを用いたディープラーニング手法を提案する。
論文参考訳（メタデータ） (2022-08-22T14:04:56Z)
Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文参考訳（メタデータ） (2021-03-22T20:36:34Z)
Out-of-distribution Generalization via Partial Feature Decorrelation [72.96261704851683]
本稿では,特徴分解ネットワークと対象画像分類モデルとを協調的に最適化する,PFDL(Partial Feature Deorrelation Learning)アルゴリズムを提案する。実世界のデータセットを用いた実験により,OOD画像分類データセットにおけるバックボーンモデルの精度が向上することを示した。
論文参考訳（メタデータ） (2020-07-30T05:48:48Z)
Multiview Representation Learning for a Union of Subspaces [38.68763142172997]
提案したモデルと単純な混合物の集合が標準CCAよりも改良されていることを示す。我々の相関に基づく目的は、CCAの目的をCCAモデルの混合に有意に一般化する。
論文参考訳（メタデータ） (2019-12-30T00:44:13Z)

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。