論文の概要: Labeled Compression Schemes for Concept Classes of Finite Functions
- arxiv url: http://arxiv.org/abs/2603.23561v1
- Date: Tue, 24 Mar 2026 02:08:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-26 21:06:10.939588
- Title: Labeled Compression Schemes for Concept Classes of Finite Functions
- Title（参考訳）: 有限関数の概念クラスに対するラベル付き圧縮方式
- Abstract要約: 有限関数の任意の概念クラスに対して、そのVC次元 d に等しい大きさのラベル付きサンプル圧縮スキームを示す。
長期間のオープンサンプル圧縮予想は解決される。
- 参考スコア（独自算出の注目度）: 0.8460698440162889
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The sample compression conjecture is: Each concept class of VC dimension d has a compression scheme of size d.In this paper, for any concept class of finite functions, we present a labeled sample compression scheme of size equals to its VC dimension d. That is, the long standing open sample compression conjecture is resolved.
- Abstract（参考訳）: 本稿では、有限関数の任意の概念クラスに対して、そのVC次元dに等しい大きさのラベル付きサンプル圧縮スキームを示す。
すなわち、長期のオープンサンプル圧縮予想が解決される。
関連論文リスト
- Hypercubes, Hyperplanes, and Constraint-Induced Complexity Collapse in Atomic Concept Learning [0.0]
我々は、高純度原子概念の学習を、超キューブや超平面の幾何学を通して再考する。
我々の出発点は、基底原子の周囲のr-次元ハイパーキューブが構造的に一様でないという観測である。
この非対称性は単に幾何学的なものではなく、概念自体の還元理論構造を反映している。
論文 参考訳（メタデータ） (2026-08-03T22:31:30Z) - Arbitrary Ratio Feature Compression via Next Token Prediction [52.10426317889982]
Arbitrary Ratio Feature Compression (ARFC)フレームワークは、任意の圧縮比を単一のモデルでサポートする。
ARCは、次の回帰予測によって圧縮を行う自動回帰モデルである。
MoSモジュールは複数の圧縮結果を利用して圧縮トークンを洗練する。
ERGCは、圧縮中の意味的および構造的関係を維持するために、トレーニングプロセスに統合される。
論文 参考訳（メタデータ） (2026-02-12T02:38:57Z) - Robust Online Learning [0.0]
本研究では,分類器が摂動入力を受けるような頑健な分類器を学習する問題について検討する。
仮説クラスの実現可能性と学習性について考察する。
実現可能な設定における誤り境界と、不可知的な設定における後悔境界を制御していることを示す。
論文 参考訳（メタデータ） (2026-02-06T15:30:52Z) - MTC-VAE: Multi-Level Temporal Compression with Content Awareness [54.85288415164888]
Latent Video Diffusion Models (LVDMs) は可変オートエンコーダ (VAEs) を使ってビデオをコンパクトな遅延表現に圧縮する。
固定圧縮率VAEを多段階時間圧縮をサポートするモデルに変換する手法を提案する。
論文 参考訳（メタデータ） (2026-02-01T17:08:02Z) - Partial Feedback Online Learning [88.27143767009376]
我々は、偏見フィードバックオンライン学習と呼ばれる新しい学習プロトコルについて研究する。
各インスタンスは許容できるラベルのセットを許可するが、学習者は1ラウンドごとに許容できるラベルを1つだけ観察する。
論文 参考訳（メタデータ） (2026-01-29T09:39:11Z) - A Geometric Unification of Concept Learning with Concept Cones [58.70836885177496]
解釈可能性の2つの伝統は、並べて進化してきたが、互いに話すことはめったにない:概念ボトルネックモデル(CBM)とスパースオートエンコーダ(SAE)。
両パラダイムが同じ幾何学的構造をインスタンス化することを示す。
CBMは人間の定義した参照ジオメトリを提供するが、SAEは学習した円錐がCBMをどの程度よく近似するか、あるいは包含しているかによって評価することができる。
論文 参考訳（メタデータ） (2025-12-08T09:51:46Z) - Sample Complexity of Agnostic Multiclass Classification: Natarajan Dimension Strikes Back [84.81507553557556]
マルチクラスPACサンプルの複雑さは2つの異なる次元に支配されていることを示す。
バイナリ分類やオンライン分類とは異なり、マルチクラス学習は本質的に2つの構造パラメータを含む。
ラベル空間削減を行う自己適応型乗算重み付けアルゴリズムに基づく新規なオンライン手続きである。
論文 参考訳（メタデータ） (2025-11-16T15:47:47Z) - Simplicial covering dimension of extremal concept classes [0.815557531820863]
トポロジカル次元の概念(ルベーグ被覆)を二項概念クラスに適用する。
有限概念クラスに対して、この単純被覆次元がリストの複製可能性数を正確に特徴付けることを証明する。
論文 参考訳（メタデータ） (2025-11-14T19:20:59Z) - Hierarchical Semantic Compression for Consistent Image Semantic Restoration [62.97519327310638]
生成モデルから固有意味空間内で純粋に機能する新しい階層意味圧縮(HSC)フレームワークを提案する。
実験の結果,提案したHSCフレームワークは人間の視力に対する主観的品質と一貫性に関する最先端の性能を実現することが示された。
論文 参考訳（メタデータ） (2025-02-24T03:20:44Z) - Continuous Patch Stitching for Block-wise Image Compression [56.97857167461269]
ブロックワイド画像圧縮のための新しい連続パッチステッチ(CPS)フレームワークを提案する。
我々のCPSフレームワークは、既存のモデルのコンピューティングリソースの半分以下を必要としながら、既存のベースラインに対して最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-02-24T03:11:59Z) - Learning Visual-Semantic Subspace Representations [49.17165360280794]
我々は,自己教師型学習に有効な情報理論の原理を基礎として,核ノルムに基づく損失関数を導入する。
この損失の理論的特徴として、クラス性の促進に加えて、部分空間格子内のデータのスペクトル幾何学を符号化していることを示す。
論文 参考訳（メタデータ） (2024-05-25T12:51:38Z) - Multiclass Learnability Does Not Imply Sample Compression [5.257719744958368]
仮説クラスはサンプル圧縮スキームを認め、もしクラスから仮説によってラベル付けされた全てのサンプルに対して、小さなサブサンプルのみを保持することができる。
サンプル圧縮に関する類似文は、多クラス仮説クラスには当てはまらないことを示す。
論文 参考訳（メタデータ） (2023-08-12T00:26:08Z) - A Geometric Notion of Causal Probing [85.49839090913515]
線形部分空間仮説は、言語モデルの表現空間において、動詞数のような概念に関するすべての情報が線形部分空間に符号化されていることを述べる。
理想線型概念部分空間を特徴づける内在的基準のセットを与える。
2つの言語モデルにまたがる少なくとも1つの概念に対して、この概念のサブスペースは、生成された単語の概念値を精度良く操作することができる。
論文 参考訳（メタデータ） (2023-07-27T17:57:57Z) - Geometric Prior Based Deep Human Point Cloud Geometry Compression [67.49785946369055]
我々は、点雲の幾何学的冗長性除去に先立って、人間の幾何学的手法を利用する。
高分解能な人点雲を幾何学的先行と構造的偏差の組み合わせとして考えることができる。
提案フレームワークは,既存の学習ベースポイントクラウド圧縮手法を用いて,プレイ・アンド・プラグ方式で動作可能である。
論文 参考訳（メタデータ） (2023-05-02T10:35:20Z) - A Labelled Sample Compression Scheme of Size at Most Quadratic in the VC
Dimension [6.522952386973185]
本稿では,任意の有限概念クラスに対して,サイズ$O(VCD2)$の固有かつ安定なラベル付きサンプル圧縮スキームを構築する。
論文 参考訳（メタデータ） (2022-12-24T01:56:02Z) - Unlabelled Sample Compression Schemes for Intersection-Closed Classes
and Extremal Classes [16.684376456880642]
私たちは、VC次元のすべてのクラスが$O(d)$の非競合圧縮スキームを許容していることを示します。
また、VC次元が$d$のすべての交叉閉クラスは、少なくとも$11d$の圧縮スキームを許容することを証明している。
論文 参考訳（メタデータ） (2022-10-11T13:54:41Z) - Unrolled Compressed Blind-Deconvolution [77.88847247301682]
sparse multi channel blind deconvolution (S-MBD) はレーダー/ソナー/超音波イメージングなどの多くの工学的応用で頻繁に発生する。
そこで本研究では,受信した全信号に対して,はるかに少ない測定値からブラインドリカバリを可能にする圧縮手法を提案する。
論文 参考訳（メタデータ） (2022-09-28T15:16:58Z) - A Theory of PAC Learnability of Partial Concept Classes [30.772106555607458]
我々は、多種多様な学習タスクをモデル化できるように、PAC学習理論を拡張した。
部分概念クラスのPAC学習性を特徴付け,古典的クラスと根本的に異なるアルゴリズム的ランドスケープを明らかにする。
論文 参考訳（メタデータ） (2021-07-18T13:29:26Z) - Conditional Teaching Size [0.0]
本稿では,その証明や今後の研究の方向性など,一連の理論的結果を示す。
構成シナリオにおけるカリキュラム教育の新たな研究の可能性は、現在、探索に広く開放されている。
論文 参考訳（メタデータ） (2021-06-29T23:08:58Z) - Formalising Concepts as Grounded Abstractions [68.24080871981869]
このレポートは、表現学習が生データから概念を誘導する方法を示しています。
このレポートの主な技術的目標は、表現学習のテクニックが概念空間の格子理論的定式化とどのように結婚できるかを示すことである。
論文 参考訳（メタデータ） (2021-01-13T15:22:01Z)
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。