論文の概要: Algebraic Statistics in OSCAR
- arxiv url: http://arxiv.org/abs/2601.15807v1
- Date: Thu, 22 Jan 2026 09:46:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-23 21:37:20.562283
- Title: Algebraic Statistics in OSCAR
- Title（参考訳）: OSCARにおける代数統計
- Authors: Tobias Boege, Antony Della Vecchia, Marina Garrote-López, Benjamin Hollering,
- Abstract要約: 我々はOSCAR計算機代数システムの代数統計部門を紹介する。
本稿では、その設計の概要と、結果の共有やデータベース作成のためのデータ型をシリアライズする機能について紹介する。
- 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 introduce the AlgebraicStatistics section of the OSCAR computer algebra system. We give an overview of its extensible design and highlight its features including serialization of data types for sharing results and creating databases, and state-of-the-art implicitization algorithms.
- Abstract（参考訳）: 我々はOSCAR計算機代数システムの代数統計部門を紹介する。
本稿では、その拡張可能な設計の概要と、結果の共有やデータベース作成のためのデータ型シリアライズ、最先端の暗黙化アルゴリズムなどの特徴について述べる。
関連論文リスト
- Enriching Tabular Data with Contextual LLM Embeddings: A Comprehensive Ablation Study for Ensemble Classifiers [20.46918103875102]
本研究では,大規模言語モデルの埋め込みから派生した特徴を持つデータセットを豊かにするための体系的アプローチを提案する。
我々はRoBERTaとGPT-2の埋め込みがランダムフォレスト、XGBoost、CatBoostなどのアンサンブル分類器に与える影響を評価する。
その結果,埋め込みと従来の数値的特徴とカテゴリー的特徴を統合することで,予測性能が向上することが示唆された。
論文 参考訳（メタデータ） (2024-11-03T17:45:00Z) - Structured Prediction in Online Learning [66.36004256710824]
オンライン学習環境における構造化予測のための理論的・アルゴリズム的枠組みについて検討する。
このアルゴリズムは教師付き学習環境からの最適アルゴリズムの一般化であることを示す。
本稿では,非定常データ分布,特に逆データを含む2番目のアルゴリズムについて考察する。
論文 参考訳（メタデータ） (2024-06-18T07:45:02Z) - Towards Weakly-Supervised Hate Speech Classification Across Datasets [47.101942709219784]
そこで本研究では,テキスト分類モデルの有効性について検討した。
また,HS分類モデルの一般化性の低さの原因について,詳細な定量的,定性的な分析を行った。
論文 参考訳（メタデータ） (2023-05-04T08:15:40Z) - Towards a mathematical understanding of learning from few examples with
nonlinear feature maps [68.8204255655161]
トレーニングセットがわずか数個のデータポイントから構成されるデータ分類の問題を考える。
我々は、AIモデルの特徴空間の幾何学、基礎となるデータ分布の構造、モデルの一般化能力との間の重要な関係を明らかにする。
論文 参考訳（メタデータ） (2022-11-07T14:52:58Z) - Learning from few examples with nonlinear feature maps [68.8204255655161]
我々はこの現象を探求し、AIモデルの特徴空間の次元性、データ分散の非退化、モデルの一般化能力の間の重要な関係を明らかにする。
本分析の主な推力は、元のデータを高次元および無限次元空間にマッピングする非線形特徴変換が結果のモデル一般化能力に与える影響である。
論文 参考訳（メタデータ） (2022-03-31T10:36:50Z)
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。