論文の概要: Fair Multi-View Determinantal Coresets via Adaptive NEPv
- arxiv url: http://arxiv.org/abs/2608.18181v1
- Date: Tue, 18 Aug 2026 02:32:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.1713
- Title: Fair Multi-View Determinantal Coresets via Adaptive NEPv
- Title（参考訳）: Adaptive NEPvによる公平なマルチビュー決定コアセット
- Abstract要約: 商標のキュレーションでは、サブセットはマークとロゴの視覚空間を記述するために使われる言語の両方をカバーするべきである。
単一決定点プロセス(DPP)カーネルはひとつのビューで障害を隠すことができ、平均的なカーネルはマルチビュー緩和を置き換える。
我々は、emphfairのマルチビュー選択を定式化する: サイズ-$k$サブセットのビューあたりの最も弱いログを最大化する。
- 参考スコア（独自算出の注目度）: 6.555429729518591
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Selecting a small, diverse subset from a large candidate pool often means balancing several incompatible notions of diversity. In trademark curation, for instance, a subset should cover both the language used to describe marks and the visual space of their logos. A single determinantal point process (\DPP) kernel can hide failure in one view, and averaging kernels replaces the multi-view relaxation by an ordinary single-kernel spectral problem. We formulate \emph{fair multi-view determinant selection}: maximize the weakest per-view log determinant of a size-$k$ subset. We smooth this nonsmooth objective and relax it to the Stiefel manifold. The relaxation embeds every discrete subset exactly, but unlike its single-view counterpart it has no closed-form spectral solution in general. Its stationarity condition is a gauge-invariant nonlinear eigenvalue problem with eigenvector-dependent, view-adaptive weights. We derive an adaptive self-consistent-field (\SCF) solver with damping and level shifting, and round the resulting subspace by leverage-score screening followed by fair local refinement. The solver needs only feature-map products for each view. We report conflicting-view synthetic experiments and specify a multimodal USPTO protocol; the real-data multimodal results require aligned logo embeddings and are not claimed in this version.
- Abstract（参考訳）: 大規模候補プールから小さな多様部分集合を選択することは、しばしば多様性のいくつかの相容れない概念のバランスを意味する。
例えば、商標のキュレーションでは、サブセットはマークとロゴの視覚空間を記述するために使われる言語の両方をカバーするべきである。
単一決定点プロセス(\DPP)カーネルは1つの視点で障害を隠すことができ、平均的なカーネルは通常の単一カーネルスペクトル問題によってマルチビュー緩和を置き換える。
emph{fair multi-view determinant selection} を定式化します。
この非滑らかな対象を滑らかにし、スティーフェル多様体に緩和する。
緩和はすべての離散部分集合を正確に埋め込むが、単一のビューとは異なり、一般に閉形式スペクトル解を持たない。
定常状態はゲージ不変な非線形固有値問題であり、固有ベクトルに依存し、ビュー適応重みを持つ。
適応型自己整合体 (\SCF) ソルバをダンピングとレベルシフトで導出し, レバレッジスコア検定により得られた部分空間を円周し, 局所改善を行った。
ソルバはビュー毎にフィーチャーマップ製品のみを必要とする。
我々は、競合するビューの合成実験を報告し、マルチモーダルなUSPTOプロトコルを規定する。
関連論文リスト
- Unsupervised Multi-kernel Learning for Automated Algorithm Selection [6.372443691054574]
ブラックボックス最適化におけるアルゴリズム選択のための教師なしモデルに代わる教師なしモデル。
問題インスタンスはクラスタリングの段階でパフォーマンスラベルを使わずにグループ化される。
結果は、厳格に分離された3段階評価プロトコルを通じて、解決者推奨にポストホックにマッピングされる。
論文 参考訳（メタデータ） (2026-07-21T12:18:49Z) - Spectral DPPs via NEPv: A Scalable Continuous Relaxation of Determinantal MAP for Diversity-Aware Data Selection [6.555429729518591]
大量の候補から小さな、多様性のある、高品質なサブセットを選択することは、現代の機械学習において、繰り返されるプリミティブである。
本稿では、緩和、解法、スケーリング分析に焦点をあて、完全な実データベンチマークを計画的な実証研究に残す。
論文 参考訳（メタデータ） (2026-06-17T15:40:25Z) - Is Spurious Correlation Removal Always Learnable? [56.28155520961125]
不変学習は、構造が統計的に識別可能であっても失敗することがある。
ブラックボックスサンプリング可能な教師付きスパースリカバリプリミティブの下では、実証可能な多次元環境が存在する。
合成および実際のデータセットは、予測されたギャップと遷移を示し、単純な多様性診断を動機付ける。
論文 参考訳（メタデータ） (2026-06-11T05:49:43Z) - Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。
State-of-the-art merging method formulate merging as a layer-wise interference problem。
本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
論文 参考訳（メタデータ） (2026-06-05T14:00:47Z) - GEMSS: A Variational Bayesian Method for Discovering Multiple Sparse Solutions in Classification and Regression Problems [0.0]
本稿では,多種多様な特徴の組み合わせを同時に発見するために特別に設計された変分ベイズフレームワークであるGEMSSを提案する。
本手法は, 分類および回帰作業にまたがる128種類の合成実験を含む総合的なベンチマークで検証した。
論文 参考訳（メタデータ） (2026-02-09T17:13:32Z) - A Scalable Gradient-Based Optimization Framework for Sparse Minimum-Variance Portfolio Selection [2.6161531190988425]
ポートフォリオ最適化では、リスク・リワードの目標を最小化するために資産重みを選択する。
標準的アプローチは、この問題を混合整数二次プログラムとしてモデル化する。
本稿では,スパース選択問題を制約付き連続最適化タスクに変換する,高速でスケーラブルなアプローチを提案する。
論文 参考訳（メタデータ） (2025-05-15T09:01:07Z) - Distributed Extra-gradient with Optimal Complexity and Communication
Guarantees [60.571030754252824]
複数のプロセッサ/ワーカー/クライアントがローカルなデュアルベクトルにアクセス可能なマルチGPU設定において、モノトン変分不等式(VI)問題を考察する。
モノトーンVI問題に対するデファクトアルゴリズムであるExtra-gradientは、通信効率が良くないように設計されている。
そこで本稿では,VI の解法に適した非バイアスで適応的な圧縮手法である量子化一般化外部勾配 (Q-GenX) を提案する。
論文 参考訳（メタデータ） (2023-08-17T21:15:04Z) - Approximating a RUM from Distributions on k-Slates [88.32814292632675]
与えられた分布を平均で最もよく近似するRUMを求める一般化時間アルゴリズムを求める。
我々の理論的結果は、実世界のデータセットに効果的でスケール可能なものを得るという、実践的な結果も得られます。
論文 参考訳（メタデータ） (2023-05-22T17:43:34Z) - Sparse Quadratic Optimisation over the Stiefel Manifold with Application
to Permutation Synchronisation [71.27989298860481]
二次目的関数を最大化するスティーフェル多様体上の行列を求める非最適化問題に対処する。
そこで本研究では,支配的固有空間行列を求めるための,単純かつ効果的なスパーシティプロモーティングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-09-30T19:17:35Z) - Non-Adaptive Adaptive Sampling on Turnstile Streams [57.619901304728366]
カラムサブセット選択、部分空間近似、射影クラスタリング、および空間サブリニアを$n$で使用するターンタイルストリームのボリュームに対する最初の相対エラーアルゴリズムを提供する。
我々の適応的なサンプリング手法は、様々なデータ要約問題に多くの応用をもたらしており、これは最先端を改善するか、より緩和された行列列モデルで以前に研究されただけである。
論文 参考訳（メタデータ） (2020-04-23T05:00:21Z)
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。