Fugu-MT 論文翻訳(概要): EigenCoin: sassanid coins classification based on Bhattacharyya distance

論文の概要: EigenCoin: sassanid coins classification based on Bhattacharyya distance

arxiv url: http://arxiv.org/abs/2604.11932v1
Date: Mon, 13 Apr 2026 18:18:12 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-15 19:11:32.058398
Title: EigenCoin: sassanid coins classification based on Bhattacharyya distance
Title（参考訳）: 永源貨幣(えげんこういん):バッタリアヤ距離に基づくサッサニド硬貨の分類
Abstract要約: サッサニド硬貨分類の適用において、不均衡データベースを用いたパターン認識問題を考察する。我々の焦点は、分類タスクに対して Bhattacharyya 距離を持つ EigenCoin 多様体を提案するだけでなく、全体的および特徴的アプローチの影響をテストすることである。
参考スコア（独自算出の注目度）: 8.255527616152966
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Solving pattern recognition problems using imbalanced databases is a hot topic, which entices researchers to bring it into focus. Therefore, we consider this problem in the application of Sassanid coins classification. Our focus is not only on proposing EigenCoin manifold with Bhattacharyya distance for the classification task, but also on testing the influence of the holistic and feature-based approaches. EigenCoin consists of three main steps namely manifold construction, mapping test data, and classification. Conducted experiments show EigenCoin outperformed other observed algorithms and achieved the accuracy from 9.45% up to 21.75%, while it has the capability of handling the over-fitting problem.
Abstract（参考訳）: 不均衡データベースを用いたパターン認識問題の解決はホットなトピックであり、研究者に焦点を絞らせている。したがって、この問題はサッサニド硬貨分類の適用において考慮する。我々の焦点は、分類タスクに対して Bhattacharyya 距離を持つ EigenCoin 多様体を提案するだけでなく、全体的および特徴的アプローチの影響をテストすることである。 EigenCoinは、多様体の構築、マッピングテストデータ、分類という3つの主要なステップで構成されている。実験により、EigenCoinは他の観測アルゴリズムよりも優れており、精度は9.45%から21.75%まで向上した。

関連論文リスト

Estimation of Confidence Bounds in Binary Classification using Wilson Score Kernel Density Estimation [3.16573957601374]
本稿では、2進分類における信頼境界を推定するための新しいカーネルベース手法であるWilson Score Kernel Density Classificationを提案する。提案手法はガウス過程分類と同様の性能を示すが,計算複雑性は低い。
論文参考訳（メタデータ） (2026-02-24T14:31:28Z)
On the Interconnections of Calibration, Quantification, and Classifier Accuracy Prediction under Dataset Shift [58.91436551466064]
本稿では,データセットシフト条件下でのキャリブレーションと定量化の3つの基本問題間の相互接続について検討する。これらのタスクのいずれか1つに対するオラクルへのアクセスは、他の2つのタスクの解決を可能にすることを示す。本稿では,他の分野から借用した高度に確立された手法の直接適応に基づく各問題に対する新しい手法を提案する。
論文参考訳（メタデータ） (2025-05-16T15:42:55Z)
Localized Gaussians as Self-Attention Weights for Point Clouds Correspondence [92.07601770031236]
本稿では,エンコーダのみのトランスフォーマーアーキテクチャのアテンションヘッドにおける意味的意味パターンについて検討する。注意重みの修正はトレーニングプロセスの促進だけでなく,最適化の安定性の向上にも寄与する。
論文参考訳（メタデータ） (2024-09-20T07:41:47Z)
Algorithmic Identification of Essential Exogenous Nodes for Causal Sufficiency in Brain Networks [1.9874264019909988]
脳の因果関係などの因果関係の解明において、因果関係の仮定は重要な役割を担っている。そこで本稿では, 因果関係に係わる必要を満足する本質的ノードを決定するためのアルゴリズム的同定手法を提案する。
論文参考訳（メタデータ） (2024-03-08T16:05:47Z)
Weakly-supervised 3D Pose Transfer with Keypoints [57.66991032263699]
3Dポーズ転送の主な課題は、1) 異なる文字で同じポーズを行うペアトレーニングデータの欠如、2) ターゲットメッシュからポーズと形状情報を分離すること、3) 異なるトポロジを持つメッシュに適用することの難しさである。本稿では,これらの課題を克服するためのキーポイントベースのフレームワークを提案する。
論文参考訳（メタデータ） (2023-07-25T12:40:24Z)
Self-Evaluation Guided Beam Search for Reasoning [61.523627290397556]
我々は,Large Language Model (LLM) の推論プロセスのガイドと校正を行うための段階的自己評価機構を導入する。本稿では,ビームサーチによる自己評価ガイダンスを統合した復号アルゴリズムを提案する。我々のアプローチは、GSM8K、AQuA、StrategyQAにおいて、対応するCodexバックボンドベースラインをわずかに精度6.34%、9.56%、および5.46%で上回る。
論文参考訳（メタデータ） (2023-05-01T02:37:59Z)
Greedy Offset-Guided Keypoint Grouping for Human Pose Estimation [31.468003041368814]
私たちは、異なる人物からすべてのキーポイントを無差別に推測するために、Hourglass Networkを使用します。我々は、予測された誘導オフセットを利用して、候補のキーポイントを複数の人間のポーズにグループ化します。当社のアプローチは、公正な条件下でのCOCOデータセットの課題に関する最先端技術に匹敵するものです。
論文参考訳（メタデータ） (2021-07-07T09:32:01Z)
Evidential Turing Processes [11.021440340896786]
我々は、明らかなディープラーニング、ニューラルプロセス、ニューラルチューリングマシンのオリジナルの組み合わせを紹介する。本稿では,3つの画像分類ベンチマークと2つのニューラルネットアーキテクチャについて検討する。
論文参考訳（メタデータ） (2021-06-02T15:09:20Z)
Pretrained equivariant features improve unsupervised landmark discovery [69.02115180674885]
我々は、この課題を克服する2段階の教師なしアプローチを、強力なピクセルベースの特徴を初めて学習することによって定式化する。本手法は,いくつかの難解なランドマーク検出データセットにおいて最先端の結果を生成する。
論文参考訳（メタデータ） (2021-04-07T05:42:11Z)
Linear Classifier Combination via Multiple Potential Functions [0.6091702876917279]
決定境界からクラスセントロイドまでの距離との距離に基づいてスコアリング関数を計算する新しい概念を提案する。重要な性質は、提案されたスコア関数がすべての線形基底分類器に対して同じ性質を持つことである。
論文参考訳（メタデータ） (2020-10-02T08:11:51Z)
Provable tradeoffs in adversarially robust classification [96.48180210364893]
我々は、ロバストなイソペリメトリに関する確率論の最近のブレークスルーを含む、新しいツールを開発し、活用する。この結果から,データの不均衡時に増加する標準精度とロバスト精度の基本的なトレードオフが明らかになった。
論文参考訳（メタデータ） (2020-06-09T09:58:19Z)

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。