論文の概要: The Confidence Score: a New Measure on Kernels

• arxiv url: http://arxiv.org/abs/2611.05528v1
• Date: Tue, 03 Nov 2026 19:25:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:57.824721
• Title: The Confidence Score: a New Measure on Kernels
• Title（参考訳）: 信頼スコア:カーネルの新しい尺度
• Abstract要約: 信頼スコア」は、基底真理の符号化と、カーネルによって投影される基底真理のアライメントを測定する。 実世界のデータセットと合成データセットの両方において、さまざまなカーネルの分類精度と高い相関関係を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Across a wide range of applications, kernel measures are used to tune hyperparameters, select among candidate kernels, and assess the suitability of kernels for specific learning tasks. For classification, kernel measures are used to predict which kernels may produce accurate kernel classifiers. Many existing kernel measures, such as alignment to the ideal kernel, are designed to reward kernels which captures all samples from the same class as similar. While effective in many settings, this requirement is unnecessarily restrictive for classification, where classes may exhibit substantial internal structure. In this work, the "Confidence Score", a new kernel measure, is proposed. Unlike alignment-to-the-ideal kernel measures, the Confidence Score measures the alignment between an encoding of the ground truth and that ground truth projected by the kernel, allowing kernels that preserve intra-class structure to achieve high scores. Through experiments, it is demonstrated that the Confidence Score exhibits a higher correlation with classification accuracy across a variety of kernels on both real-world and synthetic datasets, compared to select other kernel measures.
• Abstract（参考訳）: 幅広いアプリケーションにおいて、カーネル測度はハイパーパラメータのチューニング、候補カーネルの選択、特定の学習タスクに対するカーネルの適合性の評価に使用される。 分類には、どのカーネルが正確なカーネル分類器を生成するかを予測するためにカーネル測度が用いられる。 理想的なカーネルへのアライメントなど、多くの既存のカーネル測度は、同じクラスからすべてのサンプルをキャプチャするカーネルに報酬を与えるように設計されている。 多くの設定で有効であるが、クラスが実質的な内部構造を示す場合、分類にこの要件は不要に制限される。 本研究では,新しいカーネル尺度である"Confidence Score"を提案する。 アライメント・トゥ・ザ・イデアルのカーネル測度とは異なり、信頼スコアは、基底真理の符号化とカーネルによって投影される基底真理の間のアライメントを測定し、クラス内構造を保存するカーネルが高いスコアを得ることを可能にする。 実験により、信頼スコアは、実世界と合成両方のデータセット上の様々なカーネルの分類精度と、他のカーネルの指標と比較して高い相関性を示すことが示された。

関連論文リスト

• Learning Kernels by Alignment for Multiclass Bayes Classification [1.988145627448243]
  協調学習と推論はカーネルアライメントプロセスと見なせることを示す。 また,協調推論はParzen-Window密度推定を用いたカーネルベイズ分類と同値であることを示す。
  論文  参考訳（メタデータ） (2026-09-06T08:46:36Z)
• Optimal Kernel Choice for Score Function-based Causal Discovery [92.65034439889872]
  本稿では,データに最も適合する最適なカーネルを自動的に選択する,一般化スコア関数内のカーネル選択手法を提案する。 合成データと実世界のベンチマークの両方で実験を行い,提案手法がカーネル選択法より優れていることを示す。
  論文  参考訳（メタデータ） (2024-07-14T09:32:20Z)
• On the Approximation of Kernel functions [0.0]
  論文はカーネル自体の近似に対処する。 単位立方体上のヒルベルト・ガウス核に対して、この論文は関連する固有関数の上界を確立する。 この改良により、Nystr"om法のような低階近似法が確かめられる。
  論文  参考訳（メタデータ） (2024-03-11T13:50:07Z)
• Variational Autoencoder Kernel Interpretation and Selection for Classification [59.30734371401315]
  本研究では,変分オートエンコーダの畳み込みエンコーダによって生成された特徴に基づく確率的分類器のカーネル選択手法を提案する。 提案した実装では、各カーネルに対して各分散が生成されるため、各潜伏変数を最終エンコーダの畳み込み層の単一カーネルに関連付けられた分布からサンプリングした。 サンプル化された潜伏変数で関連する機能を選択することで、カーネルの選択を実行し、非形式的機能とカーネルをフィルタリングすることができる。
  論文  参考訳（メタデータ） (2022-09-10T17:22:53Z)
• Generalized Reference Kernel for One-class Classification [100.53532594448048]
  我々は、参照ベクトルの集合を用いて、元のベースカーネルを改善するために、新しい一般化された参照カーネルを定式化する。 解析および実験結果から、新しい定式化は、カーネル自体に付加的な情報を導入し、ランクを調整し、調整するためのアプローチを提供することが示された。
  論文  参考訳（メタデータ） (2022-05-01T18:36:55Z)
• Meta-Learning Hypothesis Spaces for Sequential Decision-making [79.73213540203389]
  オフラインデータ(Meta-KeL)からカーネルをメタ学習することを提案する。 穏やかな条件下では、推定されたRKHSが有効な信頼セットを得られることを保証します。 また,ベイズ最適化におけるアプローチの有効性を実証的に評価した。
  論文  参考訳（メタデータ） (2022-02-01T17:46:51Z)
• Entangled Kernels -- Beyond Separability [10.381276986079865]
  演算子値カーネル学習の問題を考察し、よく知られた分離可能なカーネルを超える可能性を検討する。 演算子値カーネルに関する新たな見解を提案し,従来知られていた演算子値カーネルを包含する一般的なカーネルファミリーを定義する。 この枠組みでは、分離不能なエンタングルカーネルと呼ばれる演算子値カーネルの新たなクラスを導入する。
  論文  参考訳（メタデータ） (2021-01-14T09:18:02Z)
• Learning Deep Kernels for Non-Parametric Two-Sample Tests [50.92621794426821]
  2組のサンプルが同じ分布から引き出されるかどうかを判定するカーネルベースの2サンプルテストのクラスを提案する。 私たちのテストは、テストパワーを最大化するためにトレーニングされたディープニューラルネットワークによってパラメータ化されたカーネルから構築されます。
  論文  参考訳（メタデータ） (2020-02-21T03:54:23Z)

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。