論文の概要: FeatureHospital: A Skill-Driven Multi-Agent Framework for Automated Algorithm Customization in Multi-View Multi-Label Feature Selection
- arxiv url: http://arxiv.org/abs/2608.16148v1
- Date: Mon, 17 Aug 2026 06:01:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.551382
- Title: FeatureHospital: A Skill-Driven Multi-Agent Framework for Automated Algorithm Customization in Multi-View Multi-Label Feature Selection
- Title（参考訳）: FeatureHospital: マルチビューマルチラベル特徴選択における自動アルゴリズムカスタマイズのためのスキル駆動型マルチエージェントフレームワーク
- Abstract要約: マルチビュー多ラベル特徴選択は、異種視点からコンパクトで情報に富む特徴部分集合を特定することを目的としている。
自動マルチビューマルチラベル特徴選択アルゴリズム設計のためのスキル駆動型マルチエージェントフレームワークであるFeatureHospitalを提案する。
- 参考スコア（独自算出の注目度）: 16.654055392142176
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Multi-view multi-label feature selection aims to identify a compact and informative feature subset from heterogeneous views while preserving discriminative information for multiple labels. Existing methods are generally developed from specific modeling perspectives and incorporate mechanisms tailored to particular data characteristics. Designing suitable feature selection algorithms across datasets with diverse and heterogeneous characteristics still relies heavily on expert knowledge and substantial manual effort, imposing considerable time and labor costs that severely hinder the practical adoption of feature selection. To address this problem, we propose FeatureHospital, a Skill-driven multi-agent framework for automated multi-view multi-label feature selection algorithm design. FeatureHospital first diagnoses the target dataset to identify its feature selection issues. Based on the diagnosis, specialist agents equipped with domain Skills then prescribe corresponding optimization strategies and Loss terms for different issues. After that, the resulting prescriptions are reconciled to remove overlaps and resolve conflicts before being integrated into a compact dataset-specific objective. Finally, the constructed objective is optimized to select the final feature subset. Experimental results demonstrate that FeatureHospital can construct effective feature selection algorithms for different datasets based on their individual characteristics.
- Abstract（参考訳）: マルチビュー多ラベル特徴選択は,複数ラベルの識別情報を保存しながら,異種視点からコンパクトかつ情報的特徴部分集合を識別することを目的としている。
既存の手法は通常、特定のモデリングの観点から開発され、特定のデータ特性に合わせたメカニズムが組み込まれている。
多様な特徴を持つデータセット間で適切な特徴選択アルゴリズムを設計することは、専門家の知識と相当な手作業に大きく依存している。
そこで本稿では,自動マルチビュー機能選択アルゴリズム設計のためのスキル駆動型マルチエージェントフレームワークFeatureHospitalを提案する。
FeatureHospitalはまずターゲットデータセットを診断して、機能選択の問題を特定する。
診断に基づいて、ドメインスキルを備えた専門エージェントは、異なる問題に対して対応する最適化戦略と損失条件を規定する。
その後、得られた処方薬は、コンパクトなデータセット固有の目的に統合される前に重複を取り除き、競合を解決するために調整される。
最後に、構築された目的が最終機能サブセットを選択するように最適化されます。
実験により,FeatureHospitalは個々の特徴に基づいて,異なるデータセットに対する効率的な特徴選択アルゴリズムを構築することができることが示された。
関連論文リスト
- MO-ELA: Rigorously Expanding Exploratory Landscape Features for Automated Algorithm Selection in Continuous Multi-Objective Optimisation [1.2832858109291982]
本稿では,ボックス制約付き連続最適化問題に対する新しい相補的特徴セット(MO-ELA)を提案する。
これらの特徴は、決定空間と目的空間の両方を考慮したランダムな点のサンプルに基づいている。
十分に確立された多目的ベンチマークで行われたAAS研究は、提案した特徴がアルゴリズム性能の区別に有効であることを示した。
論文 参考訳（メタデータ） (2026-01-24T12:30:42Z) - HeFS: Helper-Enhanced Feature Selection via Pareto-Optimized Genetic Search [10.751560953850925]
HeFS(Helper-Enhanced Feature Selection)フレームワークを導入し、既存のアルゴリズムによって生成された特徴サブセットを洗練する。
HeFSは、元のサブセットを補完し、分類性能を改善する機能であるヘルパーセットを特定するために、残りの機能空間を体系的に検索する。
18のベンチマークデータセットでの実験では、HFSは一貫して情報のある機能を識別し、最先端のメソッドよりも優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-10-21T12:30:22Z) - MuSACo: Multimodal Subject-Specific Selection and Adaptation for Expression Recognition with Co-Training [52.99217736494484]
パーソナライズされた表現認識のためのマルチモーダルな主題固有の選択と適応法であるMuSACoを紹介する。
これにより、MuSACoは、ストレスや痛みに対する患者固有の評価など、デジタルヘルスにおける感情的コンピューティングアプリケーションに関係している。
BioVid と StressID というマルチモーダル ER データセットに対する実験結果から,MuSACo が UDA (blending) および最先端 MSDA 法より優れていることが示された。
論文 参考訳（メタデータ） (2025-08-17T23:08:21Z) - Adapt-$\infty$: Scalable Continual Multimodal Instruction Tuning via Dynamic Data Selection [89.42023974249122]
Adapt-$infty$は、生涯のインストラクションチューニングのための、新しいマルチウェイおよびアダプティブなデータ選択アプローチである。
勾配に基づくサンプルベクトルをグループ化して擬似スキルクラスタを構築する。
セレクタエキスパートのプールから各スキルクラスタの最高のパフォーマンスデータセレクタを選択する。
このデータセレクタは、トレーニングのために各スキルクラスタから最も重要なサンプルのサブセットをサンプリングする。
論文 参考訳（メタデータ） (2024-10-14T15:48:09Z) - Multi-Teacher Multi-Objective Meta-Learning for Zero-Shot Hyperspectral Band Selection [50.30291173608449]
ゼロショットハイパースペクトル帯選択のための新しい多目的メタラーニングネットワーク(M$3$BS)を提案する。
M$3$BSでは、データセットに依存しないベースを生成するために、一般化可能なグラフ畳み込みネットワーク(GCN)を構築している。
取得したメタ知識は、トレーニングや微調整なしに、直接見えないデータセットに転送することができる。
論文 参考訳（メタデータ） (2024-06-12T07:13:31Z) - Feature Selection as Deep Sequential Generative Learning [50.00973409680637]
本研究では, 逐次再構成, 変分, 性能評価器の損失を伴って, 深部変分変圧器モデルを構築した。
提案モデルでは,特徴選択の知識を抽出し,連続的な埋め込み空間を学習し,特徴選択決定シーケンスをユーティリティスコアに関連付けられた埋め込みベクトルにマッピングする。
論文 参考訳（メタデータ） (2024-03-06T16:31:56Z) - Ensemble feature selection with clustering for analysis of
high-dimensional, correlated clinical data in the search for Alzheimer's
disease biomarkers [0.0]
多変量特徴セレクタから特徴選択アンサンブルを作成するための新しいフレームワークを提案する。
我々は,事前処理段階における集合的階層的クラスタリングを用いて,相関した特徴群が生み出すバイアスを考慮に入れた。
これらの手法はアルツハイマー病(AD)の研究から現実の2つのデータセットに適用された。
論文 参考訳（メタデータ） (2022-07-06T01:03:50Z) - Ensemble feature selection with data-driven thresholding for Alzheimer's
disease biomarker discovery [0.0]
この研究は複数のデータ駆動しきい値を開発し、アンサンブル機能セレクタで関連する特徴を自動的に識別する。
臨床データへのこれらの手法の適用性を実証するため、2つの現実世界のアルツハイマー病(AD)研究のデータに適用した。
論文 参考訳（メタデータ） (2022-07-05T05:50:51Z) - Compactness Score: A Fast Filter Method for Unsupervised Feature
Selection [66.84571085643928]
本稿では,CSUFS (Compactness Score) と呼ばれる高速な教師なし特徴選択手法を提案する。
提案アルゴリズムは既存のアルゴリズムよりも正確で効率的である。
論文 参考訳（メタデータ） (2022-01-31T13:01:37Z) - Joint Adaptive Graph and Structured Sparsity Regularization for
Unsupervised Feature Selection [6.41804410246642]
本稿では,共同適応グラフと構造付き空間正規化unsupervised feature selection (JASFS)法を提案する。
最適な機能のサブセットがグループで選択され、選択された機能の数が自動的に決定される。
8つのベンチマーク実験の結果,提案手法の有効性と有効性を示した。
論文 参考訳（メタデータ） (2020-10-09T08:17:04Z) - Causal Feature Selection for Algorithmic Fairness [61.767399505764736]
データ管理の統合コンポーネントにおける公平性について検討する。
本稿では,データセットの公平性を保証する特徴のサブコレクションを同定する手法を提案する。
論文 参考訳（メタデータ） (2020-06-10T20:20:10Z)
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。