Fugu-MT 論文翻訳(概要): Majority-of-Three is Optimal

論文の概要: Majority-of-Three is Optimal

arxiv url: http://arxiv.org/abs/2606.13614v1
Date: Thu, 11 Jun 2026 17:26:13 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-12 15:55:27.952515
Title: Majority-of-Three is Optimal
Title（参考訳）: Majority-of-Three is Optimal
Authors: Divit Rawal, Nikita Zhivotovskiy,
Abstract要約: 3つの独立した一貫した分類器の多数決は、実現可能なPAC設定において最適な学習者であることを示す。これは、アルゴリズム構造と従来の投票学習者の確率論的解析の両方を簡素化しつつ、最も単純な投票方式の最適性を証明する。
参考スコア（独自算出の注目度）: 7.21191595705094
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We give a short proof that the majority vote of three independent consistent classifiers is an optimal learner in the realizable PAC setting. This proves optimality for the simplest voting scheme, while simplifying both the algorithmic structure and the probabilistic analysis of previous voting learners, including the algorithm of S. Hanneke and the analysis of bagging by K. Green Larsen.
Abstract（参考訳）: 3つの独立した一貫した分類器の過半数が、実現可能なPAC設定において最適な学習者であることの短い証明を与える。これは、S. HannekeのアルゴリズムやK. Green Larsenによるバッグングの分析を含む、従来の投票学習者のアルゴリズム構造と確率的解析の両方を単純化しながら、最も単純な投票方式の最適性を証明する。

関連論文リスト

Sparse Multiple Kernel Learning: Alternating Best Response and Semidefinite Relaxations [4.86840788259762]
ベクトル二項分類を支援するために,事前に規定されたカーネルのスパース組み合わせを選択することの問題点を考察する。最良の応答によって返されるソリューションを認証し、開始を温めるために使用できる予測の階層を導出します。
論文参考訳（メタデータ） (2025-11-26T20:14:45Z)
Scaling LLM Inference with Optimized Sample Compute Allocation [56.524278187351925]
我々は、異なる推論構成の最適な混合を見つけるアルゴリズムであるOSCAを提案する。実験の結果,学習した混合アロケーションでは,最高の単一構成よりも精度がよいことがわかった。 OSCAはシングルターンタスク以外のエージェント処理にも有効であることが示されており、デフォルト設定よりも3倍少ない計算でSWE-Benchの精度が向上している。
論文参考訳（メタデータ） (2024-10-29T19:17:55Z)
Traversing Pareto Optimal Policies: Provably Efficient Multi-Objective Reinforcement Learning [14.260168974085376]
本稿では多目的強化学習(MORL)について検討する。複数の報酬関数の存在下で最適なポリシーを学ぶことに焦点を当てている。 MORLの成功にもかかわらず、様々なMORL最適化目標と効率的な学習アルゴリズムについて十分な理解が得られていない。
論文参考訳（メタデータ） (2024-07-24T17:58:49Z)
Majority-of-Three: The Simplest Optimal Learner? [17.87433808079955]
ハンネケのアルゴリズムは、多くのERM分類器の多数票を返すため、非常に複雑である。このアルゴリズムは,その誤差に縛られた最適逆予測を実現する。我々は、このアルゴリズムが実際に高い確率構造において最適であると推測する。
論文参考訳（メタデータ） (2024-03-12T18:01:30Z)
Exploring the Algorithm-Dependent Generalization of AUPRC Optimization with List Stability [107.65337427333064]
AUPRC(Area Under the Precision-Recall Curve)の最適化は、機械学習にとって重要な問題である。本研究では, AUPRC最適化の単依存一般化における最初の試行について述べる。 3つの画像検索データセットの実験は、我々のフレームワークの有効性と健全性に言及する。
論文参考訳（メタデータ） (2022-09-27T09:06:37Z)
Learning Stochastic Majority Votes by Minimizing a PAC-Bayes Generalization Bound [15.557653926558638]
分類器の有限アンサンブルに対する多数票の対について検討し、その一般化特性について検討する。ディリクレ分布でインスタンス化し、予測されるリスクに対して閉じた形式と微分可能な表現を可能にする。結果の多数決学習アルゴリズムは、最先端の精度と(非空きな)厳密な境界から恩恵を得る。
論文参考訳（メタデータ） (2021-06-23T16:57:23Z)
On the Optimality of Batch Policy Optimization Algorithms [106.89498352537682]
バッチポリシー最適化は、環境と対話する前に既存のデータをポリシー構築に活用することを検討する。信頼調整インデックスアルゴリズムは楽観的,悲観的,中立的いずれであってもミニマックス最適であることを示す。最適値予測の本来の難易度を考慮した新しい重み付き最小値基準を提案する。
論文参考訳（メタデータ） (2021-04-06T05:23:20Z)
Generalization in portfolio-based algorithm selection [97.74604695303285]
ポートフォリオベースのアルゴリズム選択に関する最初の証明可能な保証を提供する。ポートフォリオが大きければ、非常に単純なアルゴリズムセレクタであっても、過剰適合は避けられないことを示す。
論文参考訳（メタデータ） (2020-12-24T16:33:17Z)
Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。最先端アルゴリズムの利点を論じ、解説する。
論文参考訳（メタデータ） (2020-09-28T15:22:24Z)
Stochastic Optimization Forests [60.523606291705214]
標準的なランダムな森林アルゴリズムのように予測精度を向上させるために分割するのではなく、分割を選択した木を栽培し、下流の意思決定品質を直接最適化することで、森林決定政策の訓練方法を示す。概略分割基準は、各候補分割に対して正確に最適化された森林アルゴリズムに近い性能を保ちながら、100倍のランニング時間を短縮できることを示す。
論文参考訳（メタデータ） (2020-08-17T16:56:06Z)

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。