論文の概要: Proximity Measure of Information Object Features for Solving the Problem of Their Identification in Information Systems
- arxiv url: http://arxiv.org/abs/2604.04939v1
- Date: Tue, 17 Feb 2026 19:10:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-19 19:09:11.359437
- Title: Proximity Measure of Information Object Features for Solving the Problem of Their Identification in Information Systems
- Title（参考訳）: 情報システムにおける識別問題の解決のための情報対象特徴の確率測定
- Authors: Volodymyr Yuzefovych,
- Abstract要約: 本稿では,情報オブジェクトの特徴を定量的に評価する手法を提案する。
目的は、同じ物理オブジェクト(観測オブジェクト)との関係性を決定することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The paper considers a new quantitative-qualitative proximity measure for the features of information objects, where data enters a common information resource from several sources independently. The goal is to determine the possibility of their relation to the same physical object (observation object). The proposed measure accounts for the possibility of differences in individual feature values - both quantitative and qualitative - caused by existing determination errors. To analyze the proximity of quantitative feature values, the author employs a probabilistic measure; for qualitative features, a measure of possibility is used. The paper demonstrates the feasibility of the proposed measure by checking its compliance with the axioms required of any measure. Unlike many known measures, the proposed approach does not require feature value transformation to ensure comparability. The work also proposes several variants of measures to determine the proximity of information objects (IO) based on a group of diverse features.
- Abstract（参考訳）: 本稿では,複数の情報源から共通情報リソースを独立して入力する情報オブジェクトの特徴に対する,新しい量的品質的近接測度について考察する。
目標は、同じ物理オブジェクト(観測オブジェクト)との関係性を決定することである。
提案手法は,既存の判定誤差に起因する個々の特徴値(定量値と定性値の両方)の違いを考慮に入れたものである。
定量的特徴値の近接性を分析するために、著者は確率的尺度を用い、質的特徴については可能性の尺度を用いる。
本論文は,任意の尺度の公理に適合しているかどうかを確認することで,提案手法の有効性を実証する。
多くの既知の測度とは異なり、提案手法は可視性を確保するために特徴値変換を必要としない。
また、多様な特徴群に基づいて情報オブジェクト(IO)の近接性を決定するための様々な方法を提案する。
関連論文リスト
- Dynamic Feature Selection from Variable Feature Sets Using Features of Features [24.668942936732083]
そこで本稿では,動的特徴選択(DFS)における可変特徴集合を用いた新しい問題設定を提案する。
提案手法は,測定可能な特徴の集合がインスタンスからインスタンスに変化しても,事前情報に基づく特徴を効果的に選択できることを示す。
論文 参考訳（メタデータ） (2025-03-12T09:13:21Z) - Feature Importance Depends on Properties of the Data: Towards Choosing the Correct Explanations for Your Data and Decision Trees based Models [3.8246193345000226]
局所的な説明法によって提供される特徴重要度推定の質を評価する。
これらの手法により得られた特徴重要度評価の規模と指標に顕著な差異が認められた。
評価はこれらの制限を強調し,様々な説明手法の適合性と信頼性に関する貴重な知見を提供する。
論文 参考訳（メタデータ） (2025-02-11T00:29:55Z) - Size-invariance Matters: Rethinking Metrics and Losses for Imbalanced Multi-object Salient Object Detection [133.66006666465447]
現在のメトリクスはサイズに敏感で、大きなオブジェクトが集中し、小さなオブジェクトが無視される傾向があります。
サイズに基づくバイアスは、追加のセマンティック情報なしでは不適切であるため、評価はサイズ不変であるべきだと論じる。
我々は,この目標に適した最適化フレームワークを開発し,異なる大きさのオブジェクトの検出において,大幅な改善を実現した。
論文 参考訳（メタデータ） (2024-05-16T03:01:06Z) - Second-Order Uncertainty Quantification: Variance-Based Measures [2.3999111269325266]
本稿では,分類問題における二階分布に基づく不確かさの定量化に分散に基づく新しい手法を提案する。
この尺度の特徴は、クラスベースレベルでの不確実性を推論する能力であり、不確実な意思決定が必要な状況において有用である。
論文 参考訳（メタデータ） (2023-12-30T16:30:52Z) - On the Properties and Estimation of Pointwise Mutual Information Profiles [49.877314063833296]
ポイントワイド相互情報プロファイル(ポイントワイド相互情報プロファイル、英: pointwise mutual information profile)は、与えられた確率変数のペアに対するポイントワイド相互情報の分布である。
そこで我々は,モンテカルロ法を用いて分布を正確に推定できる新しい分布系 Bend と Mix Models を導入する。
論文 参考訳（メタデータ） (2023-10-16T10:02:24Z) - Uncertainty Calibration and its Application to Object Detection [0.0]
本研究では,意味的不確実性(どのオブジェクトタイプか)と空間的不確実性(空間的不確実性)について検討する。
オブジェクト検出モデルの予測不確かさが実世界のデータ上で達成された観測誤差と一致しているかを評価する。
論文 参考訳（メタデータ） (2023-02-06T08:41:07Z) - Learning Conditional Invariance through Cycle Consistency [60.85059977904014]
本稿では,データセットの変動の有意義な要因と独立な要因を識別する新しい手法を提案する。
提案手法は,対象プロパティと残りの入力情報に対する2つの別個の潜在部分空間を含む。
我々は,より意味のある因子を同定し,よりスペーサーや解釈可能なモデルに導く合成および分子データについて実証する。
論文 参考訳（メタデータ） (2021-11-25T17:33:12Z) - CertainNet: Sampling-free Uncertainty Estimation for Object Detection [65.28989536741658]
ニューラルネットワークの不確実性を推定することは、安全クリティカルな設定において基本的な役割を果たす。
本研究では,オブジェクト検出のための新しいサンプリング不要不確実性推定法を提案する。
私たちはそれをCertainNetと呼び、各出力信号に対して、オブジェクト性、クラス、位置、サイズという、別の不確実性を提供するのは、これが初めてです。
論文 参考訳（メタデータ） (2021-10-04T17:59:31Z) - Ranking the information content of distance measures [61.754016309475745]
2つの異なる距離測度を用いて保持する相対的情報を評価する統計的テストを導入する。
これにより、候補者のプールから最も情報に富んだ距離を測定することができる。
論文 参考訳（メタデータ） (2021-04-30T15:57:57Z) - TCMI: a non-parametric mutual-dependence estimator for multivariate
continuous distributions [0.0]
総累積相互情報(TCMI)は相互依存の関連性の尺度である。
TCMIは、特徴集合の比較とランキングを容易にする非パラメトリックで堅牢で決定論的尺度である。
論文 参考訳（メタデータ） (2020-01-30T08:42:25Z)
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。