Fugu-MT 論文翻訳(概要): Semi-supervised learning on singular data sets

論文の概要: Semi-supervised learning on singular data sets

arxiv url: http://arxiv.org/abs/2610.25450v1
Date: Sun, 18 Oct 2026 18:12:44 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-24 21:09:19.712611
Title: Semi-supervised learning on singular data sets
Title（参考訳）: 特異データセットの半教師付き学習
Abstract要約: 本稿では,サブ分析集合による特異データ雲のモデル化と,この環境下での半教師付き学習へのアプローチを提案する。候補解のソボレフノルムのモンテカルロ近似に基づくグリーディ法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose to model singular data clouds by subanalytic sets, and develop an approach to semi-supervised learning in this setting. It relies on a Morrey-type embedding for Sobolev spaces relative to globally subanalytic measures with possibly singular support. As an illustration, we present a greedy method based on a Monte Carlo approximation of the Sobolev norm of the candidate solutions. We report numerical experiments on point clouds sampled from real algebraic varieties, as well as a test on a classification problem based on MNIST images downsampled into $7\times7$.
Abstract（参考訳）: 本稿では,サブ分析集合による特異データ雲のモデル化と,この環境下での半教師付き学習へのアプローチを提案する。ソボレフ空間に対するモリー型埋め込み(英語版)(Morrey-type embeddedding)に依存している。実例として、候補解のソボレフノルムのモンテカルロ近似に基づくグリーディ法を提案する。実代数多様体から採取した点雲に関する数値実験と,MNIST画像に基づく分類問題に関する実験を7-times7$にダウンサンプリングした。

関連論文リスト

Active Learning with Low-Rank Structure for Data Selection [85.43185363043362]
低ランク近似と残差に基づくサンプリングに基づく新しいデータ選択フレームワークを提案する。平均損失がデータセット全体の平均損失を近似した$tildeOleft(k + frac1varepsilon2right)$データポイントの重み付きサブセットを選択することができることを示す。
論文参考訳（メタデータ） (2026-06-14T22:29:59Z)
Self-supervised Latent Space Optimization with Nebula Variational Coding [87.20343320266215]
本稿では,クラスタ化埋め込みに繋がる変分推論モデルを提案する。 textbfnebula anchorsと呼ばれる潜伏空間に新たな変数を導入し、トレーニング中に潜伏変数がクラスタを形成するように誘導する。各潜在機能は最も近いアンカーでラベル付けできるため、クラスタ間の分離をより明確にするために、自己教師付き方法でメートル法学習を適用することも提案する。
論文参考訳（メタデータ） (2025-06-02T08:13:32Z)
Towards Bayesian Data Selection [0.0]
例えば、セミ教師付き学習、アクティブラーニング、マルチアームのバンディット、ベイズ最適化などがある。意思決定問題としてデータ選択をフレーミングすることで、このようなデータ追加を意思決定理論に組み込む。半教師付き学習における自己学習の具体例について,各ベイズ基準を導出する。
論文参考訳（メタデータ） (2024-06-18T12:40:15Z)
Amortizing intractable inference in diffusion models for vision, language, and control [89.65631572949702]
本稿では,p(mathbfx)$以前の拡散生成モデルとブラックボックス制約,あるいは関数$r(mathbfx)$からなるモデルにおいて,データ上の後部サンプルである $mathbfxsim prm post(mathbfx)propto p(mathbfx)r(mathbfx)$について検討する。我々は,データフリー学習目標である相対軌道バランスの正しさを,サンプルから抽出した拡散モデルの訓練のために証明する。
論文参考訳（メタデータ） (2024-05-31T16:18:46Z)
Semi-Supervised Laplace Learning on Stiefel Manifolds [48.3427853588646]
グラフベースで教師付きサンプルを低ラベルレートで作成するためのフレームワークSequential Subspaceを開発した。我々の手法は極めて低いレートで、高いラベルレートで達成できる。
論文参考訳（メタデータ） (2023-07-31T20:19:36Z)
Simplex Clustering via sBeta with Applications to Online Adjustment of Black-Box Predictions [16.876111500144667]
我々はk-sBetasと呼ばれる新しい確率的クラスタリング手法を提案する。クラスタリング分布の総括的最大アプリート(MAP)視点を提供する。我々のコードと既存の単純なクラスタリング手法との比較および導入したソフトマックス予測ベンチマークが公開されている。
論文参考訳（メタデータ） (2022-07-30T18:29:11Z)
Revisiting data augmentation for subspace clustering [21.737226432466496]
サブスペースクラスタリング(Subspace clustering)は、複数の低次元のサブスペースを囲むデータサンプルの集合をクラスタリングする古典的な問題である。我々は,各部分空間内のデータ分布が自己表現モデルの成功に重要な役割を果たしていると主張している。教師なし設定と半教師なし設定の2つのサブスペースクラスタリングフレームワークを提案する。
論文参考訳（メタデータ） (2022-07-20T08:13:08Z)
Evaluating the Disentanglement of Deep Generative Models through Manifold Topology [66.06153115971732]
本稿では,生成モデルのみを用いた乱れの定量化手法を提案する。複数のデータセットにまたがるいくつかの最先端モデルを実証的に評価する。
論文参考訳（メタデータ） (2020-06-05T20:54:11Z)
Sparse Cholesky covariance parametrization for recovering latent structure in ordered data [1.5349431582672617]
共分散行列のコレスキー因子における任意の零パターンに着目する。そこで本研究では,行列損失のペナル化に基づく新しい推定手法を提案する。実験結果に基づいて、各設定にどの方法がより適切か分析する。
論文参考訳（メタデータ） (2020-06-02T08:35:00Z)

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。