論文の概要: RSD: A Local Triangulation Audit Primitive for Learned Vector Blocks

• arxiv url: http://arxiv.org/abs/2605.17482v2
• Date: Tue, 26 May 2026 17:55:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:40.577226
• Title: RSD: A Local Triangulation Audit Primitive for Learned Vector Blocks
• Title（参考訳）: RSD:学習したベクトルブロックに対する局所的三角法監査
• Authors: Seungmin Jin,
• Abstract要約: 局所XAI監査は学習ベクトルの有限ブロックと弱い信号ベースラインを比較する。 学習ベクトルブロックの局所監査として, RSD としてモデルを導入, 再利用する。
• 参考スコア（独自算出の注目度）: 1.319264621062542
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Local XAI audits compare a finite block of learned vectors with a weak side signal. Baselines such as nearest-neighbor lookup, low-rank coordinate models, and relation factorization expose different parts of this audit. We introduce Relational Semantic Decomposition, abbreviated as RSD, as a local triangulation audit for learned vector blocks. Given coordinates X and a declared bounded weak affinity proxy A, RSD fits simplex memberships S and coordinate poles C. It reuses S in a relation decoder for A and reports the coordinate residual R=X-SC. This yields a scoped audit unit: compatibility for the chosen block, proxy, decoder class, and loss budget, plus component mass and residual readouts. Synthetic controls check simplex reconstruction, proxy decoding, and fixed-S residual decomposition. The theorem-statement, month, and dog/wolf blocks illustrate why low proxy loss should be read with component mass, residual readouts, and block size.
• Abstract（参考訳）: 局所XAI監査は学習ベクトルの有限ブロックと弱い側信号を比較する。 最寄りのルックアップ、低ランク座標モデル、関係因数分解などのベースラインは、この監査の異なる部分を明らかにする。 本稿では,学習ベクトルブロックの局所的三角測量監査として関係意味分解(RSD)を導入する。 座標 X と宣言された有界弱親和性プロキシ A が与えられたとき、RSD は単純な会員 S と座標極 C に適合し、A の相関復号器で S を再利用し、座標残基 R=X-SC を報告する。 これにより、選択されたブロック、プロキシ、デコーダクラス、損失予算との互換性、コンポーネントの質量と残留する読み出しといった、スコープ化された監査ユニットが得られる。 synthetic control check simplex reconstruction, proxy decoding, and fixed-S residual decomposition。 定理のステートメント、月、およびドッグ/ウルフブロックは、なぜ低プロキシ損失をコンポーネント質量、残余の読み出し、ブロックサイズで読み取るべきかを示している。

関連論文リスト

• FactorizedHMR: A Hybrid Framework for Video Human Mesh Recovery [6.1625435030904745]
  HMR(Human Mesh Recovery)は基本的に曖昧である。 本稿では,これら2つの状態の異なる2段階のフレームワークであるFacterizedHMRを提案する。 FactorizedHMRは、カメラスペースとワールドスペースのベンチマークにおいて、強力なベースラインと競合し続けている。
  論文  参考訳（メタデータ） (2026-05-14T13:59:56Z)
• DegBins: Degradation-Driven Binning for Depth Super-Resolution [57.61783461543096]
  DegBinsは、劣化駆動のビンニングを利用して残留モデリングを適応的に強化する新しいDSRフレームワークである。 DegBinsは、精度、堅牢性、一般化の観点から、既存の最先端メソッドを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-05-10T16:17:11Z)
• Domain-Aware Hierarchical Contrastive Learning for Semi-Supervised Generalization Fault Diagnosis [49.89578655034085]
  本稿では,障害診断のためのドメイン認識型階層的コントラスト学習(DAHCL)という統合フレームワークを提案する。 DAHCLは、ソースドメインの幾何学的特徴を捉え、異種ソースドメイン間の擬似ラベル予測を校正する。 また,動的信頼層化とファジィコントラスト監視を組み合わせた階層型コントラスト学習モジュールを開発した。
  論文  参考訳（メタデータ） (2026-04-22T08:41:27Z)
• Learning Continuous Wasserstein Barycenter Space for Generalized All-in-One Image Restoration [42.24031155235307]
  BaryIRは、Wasserstein Barycenter(WB)空間のマルチソース劣化機能を調整する表現学習フレームワークである。 BaryIRは最先端のオールインワン手法と競合することを示す。
  論文  参考訳（メタデータ） (2026-02-26T16:31:27Z)
• On the Structural Non-Preservation of Epistemic Behaviour under Policy Transformation [51.56484100374058]
  このような情報条件の相互作用パターンを振る舞い依存として定式化する。 これにより、$$-behavioural equivalenceというプローブ相対的な概念と、政治内行動距離が導かれる。 その結果、共通政策変換の下でプローブ条件の挙動分離が保存されない構造条件が明らかになった。
  論文  参考訳（メタデータ） (2026-02-24T22:55:21Z)
• Asymptotic Semantic Collapse in Hierarchical Optimization [0.5729426778193398]
  マルチエージェント言語システムは、共有された支配的コンテキストが個々の意味論を徐々に吸収する障害モードを示すことができる。 階層最適化における漸近的セマンティック崩壊(Asymptotic Semantic Collapse in Hierarchical Optimization)という名でこの効果を研究する。 我々は、周辺エージェントノードとの繰り返しの相互作用が、グローバルな損失を最小限に抑えるアライメントを駆動していることを示す。
  論文  参考訳（メタデータ） (2026-02-01T00:02:01Z)
• Robust extended states in Anderson model on partially disordered random regular graphs [44.99833362998488]
  スペクトルの運動量エッジは、無限大の均一分散障害において、ある範囲のパラメータ$(d,beta)$で生存することが示されている。 スパースと超高密度RRGの局在特性の双対性が発見され、理解されている。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• Dive into Ambiguity: Latent Distribution Mining and Pairwise Uncertainty Estimation for Facial Expression Recognition [59.52434325897716]
  DMUE(DMUE)という,アノテーションのあいまいさを2つの視点から解決するソリューションを提案する。 前者に対しては,ラベル空間における潜伏分布をよりよく記述するために,補助的マルチブランチ学習フレームワークを導入する。 後者の場合、インスタンス間の意味的特徴のペアワイズ関係を完全に活用して、インスタンス空間のあいまいさの程度を推定する。
  論文  参考訳（メタデータ） (2021-04-01T03:21:57Z)
• Exploiting Sample Uncertainty for Domain Adaptive Person Re-Identification [137.9939571408506]
  各サンプルに割り当てられた擬似ラベルの信頼性を推定・活用し,ノイズラベルの影響を緩和する。 不確実性に基づく最適化は大幅な改善をもたらし、ベンチマークデータセットにおける最先端のパフォーマンスを達成します。
  論文  参考訳（メタデータ） (2020-12-16T04:09:04Z)
• Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
  異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。 新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
  論文  参考訳（メタデータ） (2020-12-08T02:26:03Z)

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。