論文の概要: Common Geodesics Do Not Guarantee Fisher Consistency of the Structured SVM: Minimal Counterexamples and a Tree-Metric Classification
- arxiv url: http://arxiv.org/abs/2608.27203v1
- Date: Thu, 27 Aug 2026 14:47:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.45189
- Title: Common Geodesics Do Not Guarantee Fisher Consistency of the Structured SVM: Minimal Counterexamples and a Tree-Metric Classification
- Title（参考訳）: 共通測地学は構造化SVMの漁業整合性を保証しない:最小対外法と木-計量分類
- Abstract要約: 構造化支持ベクトルマシンのフィッシャー整合性のための既知の条件は、すべての出力三重項が共通の測地点を持つ計量となるためのタスク損失を必要とする。
この条件は標準座標のargmaxデコーダでは不十分であることを示す。
- 参考スコア（独自算出の注目度）: 0.49109372384514843
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A known necessary condition for Fisher consistency of the structured support vector machine requires the task loss to be a metric for which every output triple has a common geodesic point. We show that this condition is not sufficient for the canonical coordinate-wise argmax decoder. A four-output unit star admits an exactly optimal score vector whose maximizers are all strictly non-Bayes, and four outputs are minimal among metrics satisfying the condition. We then completely classify positively weighted tree metrics whose vertex set is the output space: argmax consistency holds if and only if the tree is a path. The failure on branching trees is confined to boundary distributions; every tree retains the argmax property at every full-support distribution. Among metrics satisfying the common-geodesic condition, five outputs are necessary and sufficient for a full-support counterexample; $K_{2,3}$ is the smallest member of an infinite $K_{m,n}$ family. We additionally give a full-support counterexample for the three-dimensional Hamming cube. All optimality claims have exact primal-dual certificates. The counterexamples expose a concrete decoder gap: in this polyhedral setting, an embedding can guarantee the existence of a calibrated link without validating a prescribed argmax link on every surrogate-risk minimizer.
- Abstract（参考訳）: 構造化支持ベクトルマシンのフィッシャー整合性のための既知の条件は、すべての出力三重項が共通の測地点を持つ計量となるためのタスク損失を必要とする。
この条件は標準座標のargmaxデコーダでは不十分であることを示す。
4アウトプット単位星は、最大値がすべて厳密に非ベイズであり、4つの出力が条件を満たす測度の中で最小となる正確なスコアベクトルを許容する。
次に、頂点集合が出力空間である正重み付き木の計量を完全分類する: argmax の整合性は、木が経路である場合に限り成り立つ。
分岐木上の失敗は境界分布に制限され、すべての木はすべてのフルサポート分布においてargmax特性を保持する。
K_{2,3}$は無限の$K_{m,n}$ファミリーの最小の要素である。
また、3次元ハミング立方体に対するフルサポート逆例を与える。
すべての最適性クレームは、正確な原始双対証明書を持っている。
この多面体設定では、埋め込みは、すべてのサロゲートリスク最小化器上の所定のargmaxリンクを検証することなく、校正リンクの存在を保証することができる。
関連論文リスト
- Uniformly Stable Minimal Weyl--Heisenberg Measurements Approaching the SIC Benchmark [2.5735476569508995]
情報完全性(IC)は、逆が存在することを保証する。
最小ランク1のワイル=ハイゼンベルク測度に対して、共分散は非恒等射影-グラムスペクトルをフィデューシャルの曖昧性強度に比例させる。
バランスの取れた1座標摂動は、立方体オールトップ状態のゼロアンビグニティ軸を修復し、到達した床を正の定数で一様に束縛し、非同一性スペクトル全体を(U_q/L_qto1)で([L_q,U_q])に閉じ込める。
論文 参考訳（メタデータ） (2026-08-12T09:41:26Z) - A Direct Route to Markov Chain Convergence via Asymptotic Equivalence with the Target [16.08983109077834]
我々は、マルコフ連鎖収束定理の自己完結した証明を、目標との同値性と呼ばれる基準によって与える。
この基準の密度バージョンは、一般的な可測空間上で3つのケースで検証される。
すべての設定において、バーコフのエルゴード定理は、大数の強い法則を得るために適用される。
論文 参考訳（メタデータ） (2026-08-04T09:03:20Z) - Near-Optimal Dimension Lower Bounds for Single-Vector Embeddings of Maximum Inner Product Similarity [75.14269295861845]
シングルトンクエリでは、Chamferは最大内部積類似度(MAX-IP)になる。
すべての固定$in(0,1)$に対して、定数は$A_,c_>0$である。
単位球MAX-IPマトリクスは、DNFパターンマトリクスの正確な2値アフィンイメージであり、少なくとも8ドルのギャップがある。
論文 参考訳（メタデータ） (2026-07-22T17:27:20Z) - Provably Adaptive Linear Approximation for the Shapley Value and Beyond [73.0940890296463]
基本的で長期にわたる課題は、その効率的な近似である。
一般に用いられるすべての半値に対して$P(|hatboldsymbol-boldsymbol|_2geq)leq$を必要とする線形空間アルゴリズムを開発する。
本アルゴリズムは,各ユーティリティ関数の平均二乗誤差の明示的最小化を可能にする。
論文 参考訳（メタデータ） (2026-04-09T16:38:14Z) - On the Sparsifiability of Correlation Clustering: Approximation Guarantees under Edge Sampling [6.908972852063454]
相関クラスタリング(CC)は基本的な教師なし学習プリミティブである。
LPベースの保証を維持するためには,どの程度のエッジ情報が必要であるかを検討する。
ヤオのミニマックス原理を通して、擬距離構造がなければ、任意のアルゴリズムが$o(n)$一様ランダムエッジを観測すると近似比が生じることを示す。
論文 参考訳（メタデータ） (2026-02-14T09:12:15Z) - Near-Optimal Clustering in Mixture of Markov Chains [74.3828414695655]
我々は、長さ$H$の軌跡を、大きさ$S$の有限状態空間上の未知のエルゴードマルコフ鎖の1つによって生成される、$T$ trajectories of length $H$の問題を研究する。
我々は、連鎖の遷移核間の重み付きKL分散によって支配されるクラスタリングエラー率に基づいて、インスタンス依存で高い確率の低い境界を導出する。
次に,新しい2段階クラスタリングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-06-02T05:10:40Z) - Bridging Arbitrary and Tree Metrics via Differentiable Gromov Hyperbolicity [12.942913564426272]
任意の計量空間が与えられると、ツリー計量からの偏差はグロモフの$delta$-hyperbolicityによって定量化できる。
本稿では,差分最適化フレームワーク DeltaZero を導入し,この問題を解決する。
我々の手法は一貫して最先端の歪みを実現する。
論文 参考訳（メタデータ） (2025-05-27T11:58:37Z) - Identifying General Mechanism Shifts in Linear Causal Representations [58.6238439611389]
我々は,未知の潜在因子の線形混合を観測する線形因果表現学習環境について考察する。
近年の研究では、潜伏要因の復元や、それに基づく構造因果モデルの構築が可能であることが示されている。
非常に穏やかな標準仮定の下では、シフトしたノードの集合を識別することが可能である。
論文 参考訳（メタデータ） (2024-10-31T15:56:50Z) - Optimal Transport for Measures with Noisy Tree Metric [29.950797721275574]
木メートル空間上での確率測度に対する最適輸送問題について検討する。
一般に、1つの空間でサポートされている測度であっても、このアプローチは計算が難しい。
我々は、ロバスト OT が計量特性を満たすことを示し、負の定値であることを示す。
論文 参考訳（メタデータ） (2023-10-20T16:56:08Z) - Convex Polytope Trees [57.56078843831244]
コンベックスポリトープ木(CPT)は、決定境界の解釈可能な一般化によって決定木の系統を拡張するために提案される。
木構造が与えられたとき,木パラメータに対するCPTおよび拡張性のあるエンドツーエンドトレーニングアルゴリズムを効率的に構築する。
論文 参考訳（メタデータ） (2020-10-21T19:38:57Z) - Optimal Low-Degree Hardness of Maximum Independent Set [93.59919600451487]
スパースな ErdHos-R'enyi ランダムグラフにおいて,大きな独立集合を求めるアルゴリズム的タスクについて検討する。
低次アルゴリズムのクラスは、半最適サイズの独立した集合を見つけることができるが、それ以上は見つからないことを示す。
論文 参考訳（メタデータ） (2020-10-13T17:26:09Z)
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。