論文の概要: Basis Vector Metric: A Method for Robust Open-Ended State Change Detection

• arxiv url: http://arxiv.org/abs/2509.07308v1
• Date: Tue, 09 Sep 2025 00:58:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-10 14:38:27.156493
• Title: Basis Vector Metric: A Method for Robust Open-Ended State Change Detection
• Title（参考訳）: Basis Vector Metric: オープンエンド状態変化検出のためのロバストな方法
• Authors: David Oprea, Sam Powers,
• Abstract要約: 本稿では,BVM (Basis Vectors Method) という頭字語を用いて画像の状態変化を判定する手法を提案する。 約53,000の画像を含むMIT-Statesデータセットを使用して、すべてのデータを収集しました。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We test a new method, which we will abbreviate using the acronym BVM (Basis Vectors Method), in its ability to judge the state changes in images through using language embeddings. We used the MIT-States dataset, containing about 53,000 images, to gather all of our data, which has 225 nouns and 115 adjectives, with each noun having about 9 different adjectives, forming approximately 1000 noun-adjective pairs. For our first experiment, we test our method's ability to determine the state of each noun class separately against other metrics for comparison. These metrics are cosine similarity, dot product, product quantization, binary index, Naive Bayes, and a custom neural network. Among these metrics, we found that our proposed BVM performs the best in classifying the states for each noun. We then perform a second experiment where we try using BVM to determine if it can differentiate adjectives from one another for each adjective separately. We compared the abilities of BVM to differentiate adjectives against the proposed method the MIT-States paper suggests: using a logistic regression model. In the end, we did not find conclusive evidence that our BVM metric could perform better than the logistic regression model at discerning adjectives. Yet, we were able to find evidence for possible improvements to our method; this leads to the chance of increasing our method's accuracy through certain changes in our methodologies.
• Abstract（参考訳）: 本稿では,BVM (Basis Vectors Method) という頭字語を用いて,言語埋め込みを用いて画像の状態変化を判定する手法を提案する。 約53,000の画像を含むMIT-Statesデータセットを使用して、すべてのデータを収集し、225の名詞と115の形容詞を持ち、各名詞は9の異なる形容詞を持ち、約1000の名詞形容詞対を形成しました。 最初の実験では,各名詞クラスの状態を,比較のための他の指標に対して別々に判定する手法の能力を検証した。 これらのメトリクスは、コサイン類似性、ドット製品、製品量子化、バイナリインデックス、ネイブベイズ、カスタムニューラルネットワークである。 これらの指標のうち,提案したBVMは各名詞の状態の分類において最善であることがわかった。 次に、BVMを用いて、各形容詞に対して各形容詞を別々に区別できるかどうかを判断する第2の実験を行う。 我々は、BVMが形容詞を区別する能力と、MIT-States論文が提案する手法とを比較した:ロジスティック回帰モデルを用いて。 結局、我々のBVM測定値が形容詞の識別におけるロジスティック回帰モデルよりも優れているという決定的な証拠は見つからなかった。 しかし,提案手法の改良の可能性を示す証拠を見出すことができ,その結果,提案手法の精度が向上する可能性が示唆された。

関連論文リスト

• A Bayesian approach to uncertainty in word embedding bias estimation [0.0]
  WEAT や MAC のような複数の測度は、単語の埋め込みに存在するバイアスの大きさを1つの数字のメートル法で定量化しようとする。 このような手法を用いて、意図したバイアスを欠いたnullモデルによってデータが生成される場合でも、同様の結果が容易に得られることを示す。 単語埋め込みにおけるバイアスのより不確実性に敏感な検査を可能にする階層型ベイズモデルを提案する。
  論文  参考訳（メタデータ） (2023-06-15T11:48:50Z)
• Unsupervised Semantic Variation Prediction using the Distribution of Sibling Embeddings [17.803726860514193]
  単語の意味的変化の検出は,様々なNLPアプリケーションにおいて重要な課題である。 意味表現だけではそのような意味的バリエーションを正確に捉えることはできないと我々は主張する。 対象単語の文脈的埋め込みのコホート全体を利用する手法を提案する。
  論文  参考訳（メタデータ） (2023-05-15T13:58:21Z)
• Sequence-level self-learning with multiple hypotheses [53.04725240411895]
  我々は、自動音声認識(ASR)のためのアテンションベースシーケンス・ツー・シーケンス(seq2seq)モデルを用いた新しい自己学習手法を開発した。 従来の教師なし学習手法とは対照的に,我々はEmphmulti-task Learning(MTL)フレームワークを採用する。 実験の結果,本手法は,英語データのみを用いてトレーニングしたベースラインモデルと比較して,英文音声データのWERを14.55%から10.36%に削減できることがわかった。
  論文  参考訳（メタデータ） (2021-12-10T20:47:58Z)
• Semantic-Preserving Adversarial Text Attacks [85.32186121859321]
  深層モデルの脆弱性を調べるために, Bigram と Unigram を用いた適応的セマンティック保存最適化法 (BU-SPO) を提案する。 提案手法は,既存手法と比較して最小の単語数を変更することで,攻撃成功率とセマンティックス率を最大化する。
  論文  参考訳（メタデータ） (2021-08-23T09:05:18Z)
• PREDICT: Persian Reverse Dictionary [0.0]
  ペルシャ逆辞書実装のための4つの異なるアーキテクチャの比較 (予測) 我々は,オンラインで利用可能な唯一のペルシア語辞書から抽出した (phrase,word) 単語を用いてモデルを評価する。 実験では、付加的注意メカニズムによって強化されたLong Short-Term Memory(LSTM)単位からなるモデルが、元の辞書の単語に匹敵する(場合によってはより良い)提案を作成するのに十分であることを示している。
  論文  参考訳（メタデータ） (2021-05-01T17:37:01Z)
• On Sampling-Based Training Criteria for Neural Language Modeling [97.35284042981675]
  我々はモンテカルロサンプリング、重要サンプリング、補償部分和と呼ばれる新しい方法、およびノイズコントラスト推定を検討する。 対象のクラス後部確率を補正しさえすれば,これらすべてのサンプリング手法が同等に動作可能であることを示す。 Switchboard と LibriSpeech における言語モデリングと音声認識の実験結果が,我々の主張を支持した。
  論文  参考訳（メタデータ） (2021-04-21T12:55:52Z)
• Word2rate: training and evaluating multiple word embeddings as statistical transitions [4.350783459690612]
  単語順に敏感なタスクのパフォーマンスを向上させる,新しい左サイドコンテキスト分割目標を提案する。 私たちの word2rate モデルは、さまざまな言語タスクで競争しながら、レート行列を用いた統計基礎に基礎を置いている。
  論文  参考訳（メタデータ） (2021-04-16T15:31:29Z)
• Fake it Till You Make it: Self-Supervised Semantic Shifts for Monolingual Word Embedding Tasks [58.87961226278285]
  語彙意味変化をモデル化するための自己教師付きアプローチを提案する。 本手法は,任意のアライメント法を用いて意味変化の検出に利用できることを示す。 3つの異なるデータセットに対する実験結果を用いて,本手法の有用性について述べる。
  論文  参考訳（メタデータ） (2021-01-30T18:59:43Z)
• Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
  本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。 提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。 分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
  論文  参考訳（メタデータ） (2020-11-13T10:53:27Z)
• Lexical Sememe Prediction using Dictionary Definitions by Capturing Local Semantic Correspondence [94.79912471702782]
  セメムは人間の言語の最小の意味単位として定義されており、多くのNLPタスクで有用であることが証明されている。 本稿では,このようなマッチングを捕捉し,セメムを予測できるセメム対応プールモデルを提案する。 我々は,有名なSememe KB HowNetのモデルとベースライン手法を評価し,そのモデルが最先端のパフォーマンスを実現することを発見した。
  論文  参考訳（メタデータ） (2020-01-16T17:30:36Z)

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。