論文の概要: The Pareto Frontier of Resilient Jet Tagging

• arxiv url: http://arxiv.org/abs/2509.19431v1
• Date: Tue, 23 Sep 2025 18:00:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.553564
• Title: The Pareto Frontier of Resilient Jet Tagging
• Title（参考訳）: 弾力性ジェットタグのパレートフロンティア
• Authors: Rikab Gambhir, Matt LeBlanc, Yuanchen Zhou,
• Abstract要約: 成分の運動情報を用いたハドロンジェットの分類は、高エネルギーコライダー物理学において重要な課題である。 性能指標は高いがレジリエンスは低いネットワークの利用結果を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Classifying hadronic jets using their constituents' kinematic information is a critical task in modern high-energy collider physics. Often, classifiers are designed by targeting the best performance using metrics such as accuracy, AUC, or rejection rates. However, the use of a single metric can lead to the use of architectures that are more model-dependent than competitive alternatives, leading to potential uncertainty and bias in analysis. We explore such trade-offs and demonstrate the consequences of using networks with high performance metrics but low resilience.
• Abstract（参考訳）: 成分のキネマティック情報を用いたハドロンジェットの分類は、現代の高エネルギーコライダー物理学において重要な課題である。 しばしば分類器は、精度、AUC、拒絶率などの指標を使用して最高のパフォーマンスを目標に設計される。 しかし、単一のメトリックを使うことは、競合する代替手段よりもモデルに依存したアーキテクチャの使用につながる可能性があり、分析における潜在的な不確実性とバイアスをもたらす。 このようなトレードオフを探り、高いパフォーマンスのメトリクスを持つネットワークがレジリエンスを低くする結果を示す。

関連論文リスト

• R-TPT: Improving Adversarial Robustness of Vision-Language Models through Test-Time Prompt Tuning [69.72249695674665]
  視覚言語モデル(VLM)のためのロバストテスト時プロンプトチューニング(R-TPT)を提案する。 R-TPTは、推論段階における敵攻撃の影響を緩和する。 プラグアンドプレイの信頼性に基づく重み付きアンサンブル戦略を導入し,防御強化を図る。
  論文  参考訳（メタデータ） (2025-04-15T13:49:31Z)
• Rethinking Relation Extraction: Beyond Shortcuts to Generalization with a Debiased Benchmark [53.876493664396506]
  ベンチマークは、機械学習アルゴリズムのパフォーマンスの評価、比較の促進、優れたソリューションの特定に不可欠である。 本稿では,関係抽出タスクにおけるエンティティバイアスの問題に対処する。 本稿では,エンティティの代替によって,エンティティ参照と関係型との擬似相関を破る不偏関係抽出ベンチマークDREBを提案する。 DREBの新たなベースラインを確立するために,データレベルとモデルトレーニングレベルを組み合わせたデバイアス手法であるMixDebiasを導入する。
  論文  参考訳（メタデータ） (2025-01-02T17:01:06Z)
• Detecting Edit Failures In Large Language Models: An Improved Specificity Benchmark [9.45927470587879]
  既存のCounterFactベンチマークを動的コンポーネントを含むように拡張し、ベンチマークのCounterFact+をダブします。 この改良されたベンチマークを用いて、最近のモデル編集技術の評価を行い、それらが低特異性に悩まされていることを確認する。
  論文  参考訳（メタデータ） (2023-05-27T19:08:04Z)
• Deep Unfolded Tensor Robust PCA with Self-supervised Learning [21.710932587432396]
  深部展開を用いたテンソルRPCAの高速かつ簡易な自己教師モデルについて述べる。 我々のモデルは、競争力やパフォーマンスを保ちながら、根拠となる真理ラベルの必要性を排除します。 我々はこれらの主張を、合成データと実世界のタスクの混合上で実証する。
  論文  参考訳（メタデータ） (2022-12-21T20:34:42Z)
• From Environmental Sound Representation to Robustness of 2D CNN Models Against Adversarial Attacks [82.21746840893658]
  本稿では, 各種環境音響表現(スペクトログラム)が, 被害者残差畳み込みニューラルネットワークの認識性能と対角攻撃性に与える影響について検討する。 DWTスペクトログラムでトレーニングしたResNet-18モデルでは高い認識精度が得られたが、このモデルに対する攻撃は敵にとって比較的コストがかかる。
  論文  参考訳（メタデータ） (2022-04-14T15:14:08Z)
• Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
  本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。 シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-25T19:57:19Z)
• Bridging Mode Connectivity in Loss Landscapes and Adversarial Robustness [97.67477497115163]
  我々は、モード接続を用いて、ディープニューラルネットワークの対角的堅牢性を研究する。 実験では、異なるネットワークアーキテクチャやデータセットに適用される様々な種類の敵攻撃について取り上げる。 以上の結果から,モード接続は,敵の強靭性を評価・改善するための総合的なツールであり,実用的な手段であることが示唆された。
  論文  参考訳（メタデータ） (2020-04-30T19:12:50Z)

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。