論文の概要: PathFinder: Joint Decompositions of Linked Multimodal Datasets
- arxiv url: http://arxiv.org/abs/2608.14951v1
- Date: Sat, 15 Aug 2026 00:31:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.134998
- Title: PathFinder: Joint Decompositions of Linked Multimodal Datasets
- Title（参考訳）: PathFinder:Linked Multimodal Datasetの合同分解
- Abstract要約: 共役」低ランク分解への拡張は、異なるモダリティからデータセットをリンクするために提案されている。
本稿では,必ずしも次元を共有しないデータセットの共分析を可能にする新しい解析手法PathFinderを提案する。
- 参考スコア（独自算出の注目度）: 1.133674396960201
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Low-rank matrix decompositions can uncover patterns and structure in data and have a number of different applications across many disciplines. Extensions to "joint" low-rank decompositions have been proposed to link datasets from different modalities. While these methods enable the discovery of common patterns across modalities, they require that all the multimodal data share one or more dimensions. We propose a new analysis method, PathFinder, that enables co-analysis of datasets that do not necessarily all share a dimension. The key insight is that as long as pairs or subgroups of matrices do share some dimension, and that there are one or more paths that link across the data matrices, a global joint decomposition can be sought out. This enables the joint estimation of common patterns across different modalities, species, or scales, where a one-to-one mapping across all data along some dimension is not necessarily available. We show that PathFinder is a general umbrella under which many matrix decomposition methods fall as special cases. It can be used to discover common patterns across disparate datasets and to make predictions for missing data or modalities.
- Abstract（参考訳）: 低ランク行列分解はデータのパターンや構造を明らかにすることができ、多くの分野にまたがる様々な応用を持つ。
共役」低ランク分解への拡張は、異なるモダリティからデータセットをリンクするために提案されている。
これらの手法は、モダリティにまたがる共通パターンの発見を可能にするが、すべてのマルチモーダルデータが1つ以上の次元を共有する必要がある。
本稿では,必ずしも次元を共有しないデータセットの共分析を可能にする新しい解析手法PathFinderを提案する。
鍵となる洞察は、行列の対や部分群が何らかの次元を共有している限り、データ行列をまたぐ1つ以上の経路が存在する限り、大域的な合同分解が求められることである。
これにより、ある次元に沿ったすべてのデータに対する1対1のマッピングが必ずしも利用できないような、様々なモダリティ、種、スケールにわたる共通パターンを共同で推定することができる。
PathFinder は一般的な傘であり,多くの行列分解法が特別な場合に該当することを示す。
異なるデータセットにまたがる共通パターンの検出や、欠落したデータやモダリティの予測に使用することができる。
関連論文リスト
- Towards Anomaly Detection on Relational Data [51.473064583839296]
属性とリレーショナルエッジの両方から異常を捕捉する再構成に基づくフレームワークを提案する。
RelADは競争効率を保ちながら、他のベースラインを一貫して上回ります。
論文 参考訳（メタデータ） (2026-06-17T02:36:32Z) - Towards One-for-All Anomaly Detection for Tabular Data [87.63505963517512]
タブラル異常検出(TAD)は多くの実世界の応用において重要である。
複数のソースデータセットに対して1回のトレーニングのみを必要とするフレームワークであるOFA-TADを提案する。
14ドメインの34のデータセットに対する実験により、OFA-TADはより優れた異常検出性能が得られることが示された。
論文 参考訳（メタデータ） (2026-03-15T14:42:05Z) - BrokenBind: Universal Modality Exploration beyond Dataset Boundaries [112.81381711545043]
我々はBrokenBindを紹介した。BrokenBindは、異なるデータセットから提示されるバインディングのモダリティに焦点を当てている。
私たちのフレームワークでは、データセットの制限なしに、任意の2つのモダリティを結び付けることができます。
論文 参考訳（メタデータ） (2026-02-06T07:26:49Z) - Personalized Coupled Tensor Decomposition for Multimodal Data Fusion: Uniqueness and Algorithms [15.520496676392955]
データ融合の課題に対処するパーソナライズされたCTDフレームワークを提案する。
各データセットを2つのコンポーネントの和として表現するフレキシブルモデルが提案されている。
共通成分と異なる成分を計算するための2つのアルゴリズムが提案されている。
論文 参考訳（メタデータ） (2024-12-02T04:19:47Z) - Anno-incomplete Multi-dataset Detection [67.69438032767613]
我々は「不完全なマルチデータセット検出」という新しい問題を提案する。
複数の注釈付きデータセットで全ての対象カテゴリを正確に検出できるエンドツーエンドのマルチタスク学習アーキテクチャを開発した。
論文 参考訳（メタデータ） (2024-08-29T03:58:21Z) - Empirical Bayes Linked Matrix Decomposition [0.0]
この問題に対する経験的変分ベイズ的アプローチを提案する。
単一行列文脈において新規な反復的計算手法について述べる。
提案手法は,下層の低ランク信号の回復に関して,異なるシナリオ下で非常によく機能することを示す。
論文 参考訳（メタデータ） (2024-08-01T02:13:11Z) - Joint Linked Component Analysis for Multiview Data [6.588932144201398]
データビュー毎に関節構造と個々の構造が存在する行列分解モデルを定式化する。
次に、新たなペナルティ項を持つ目的関数を提案し、同時推定とランク選択を実現する。
論文 参考訳（メタデータ） (2024-06-17T17:25:23Z) - Hierarchical Aggregations for High-Dimensional Multiplex Graph Embedding [7.271256448682229]
HMGEは高次元多重グラフの階層的アグリゲーションに基づく新しい埋め込み手法である。
我々は、ローカルパッチとグローバルサマリー間の相互情報を活用して、監督なしにモデルを訓練する。
合成および実世界のデータに関する詳細な実験は、下流監視タスクに対する我々のアプローチの適合性を示している。
論文 参考訳（メタデータ） (2023-12-28T05:39:33Z) - A network community detection method with integration of data from
multiple layers and node attributes [0.0]
列がノードに対応し、列がデータ項目に対応しているデータマトリックスにおいて、ネットワークデータを単純な方法で表現する方法を提案する。
データ行列を圧縮するためには、非平方行列に対する正規分解法と呼ばれる拡張を提案する。
提案手法を,インターネットの自律システムグラフとワールドエアライングラフの2つの実ネットワークで説明する。
論文 参考訳（メタデータ） (2023-05-22T13:15:36Z) - Learnable Pillar-based Re-ranking for Image-Text Retrieval [119.9979224297237]
画像テキスト検索は、モダリティギャップを埋め、意味的類似性に基づいてモダリティコンテンツを検索することを目的としている。
一般的なポストプロセッシング手法であるリグレードは, 単一モダリティ検索タスクにおいて, 隣り合う関係を捕捉する優位性を明らかにしている。
本稿では,画像テキスト検索のための新しい学習可能な柱型リグレードパラダイムを提案する。
論文 参考訳（メタデータ） (2023-04-25T04:33:27Z) - Multimodal hierarchical Variational AutoEncoders with Factor Analysis latent space [45.418113011182186]
本研究では,変分オートエンコーダ(VAE)と因子解析潜時空間(FA-VAE)を組み合わせることで,制約に対処する新しい手法を提案する。
FA-VAE法は複数のVAEを用いて連続潜伏空間における各異種データビューのプライベート表現を学習する。
論文 参考訳（メタデータ） (2022-07-19T10:46:02Z) - Bayesian Sparse Factor Analysis with Kernelized Observations [67.60224656603823]
多視点問題は潜在変数モデルに直面することができる。
高次元問題と非線形問題は伝統的にカーネルメソッドによって扱われる。
両アプローチを単一モデルにマージすることを提案する。
論文 参考訳（メタデータ） (2020-06-01T14:25:38Z)
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。