論文の概要: Learning nonlinear interactions and cross-feature couplings with product-unit residual networks
- arxiv url: http://arxiv.org/abs/2611.18074v1
- Date: Fri, 13 Nov 2026 12:00:34 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:23:07.800937
- Title: Learning nonlinear interactions and cross-feature couplings with product-unit residual networks
- Title(参考訳): 積-単位残基ネットワークによる非線形相互作用の学習とクロスフィーチャー結合
- Abstract要約: 非線形機能相互作用の理解は科学や工学において重要であるが、標準的な多層パーセプトロン(MLP)はそのような相互作用を暗黙的に捉えるだけである。
複素値残積ユニットネットワーク (CVPURe) について検討し, 乗算積ユニットと残差接続を統合し, クロスフィーチャー結合を明示的にモデル化した。
CV-PUReは6つの科学ベンチマークのうち、最低値のRMSEを達成し、フリードマン誤差を53.9%削減した。
- 参考スコア(独自算出の注目度): 0.9367224590861915
- License:
- Abstract: Understanding nonlinear feature interactions is crucial in science and engineering, yet standard multilayer perceptrons (MLPs) often capture such interactions only implicitly, leading to entangled representations that can impair robustness and interpretability. We investigate complex-valued product-unit residual networks (CV-PURe) that integrate multiplicative product units with residual connections to explicitly model cross-feature couplings while stabilizing optimization. We conduct a systematic evaluation on an interaction-driven synthetic benchmark and real-world datasets and evaluate prediction together with input-level interaction recovery under a reproducible protocol. Across five data splits and five training seeds, CV-PURe achieves the lowest mean RMSE on four of six scientific benchmarks, reducing Friedman error by 53.9% relative to MLP. Its Friedman interaction maps assign 60.7% of total strength to the known interacting pair, compared with 31.0% for MLP. On a synthetic task containing third- and fourth-order products and 20 distractors, CV-PURe reduces RMSE from 0.1376 to 0.0797 relative to a complex-valued MLP and recovers all nine true pairwise projections in every training/sampling repetition. Bike Sharing experiments connect improved prediction to the contribution of temporal, calendar, and seasonal context through paired ablations of both PURe variants. Parkinsons Telemonitoring extends the context analysis to repeated measurements. Noise and learning-curve evaluations demonstrate sustained predictive gains under perturbed inputs and limited supervision, while inference measurements quantify computational cost. This article extends our ICCS 2026 paper, Modeling Nonlinear Feature Interactions with Product-Unit Residual Networks (doi:10.1007/978-3-032-29921-5_6).
- Abstract(参考訳): 非線形な特徴的相互作用を理解することは科学や工学において重要であるが、標準的な多層パーセプトロン(MLP)はしばしばそのような相互作用を暗黙的に捉え、強靭性と解釈可能性に障害をもたらす。
複数乗算積単位と残差接続を統合した複素数値積単位残差ネットワーク (CV-PURe) について検討し, 最適化を安定化しつつ, 相互結合を明示的にモデル化した。
我々は,対話駆動型合成ベンチマークと実世界のデータセットを体系的に評価し,再現可能なプロトコル下での入力レベルの相互作用回復とともに予測を評価する。
5つのデータ分割と5つの訓練種のうち、CV-PUReは6つの科学的ベンチマークのうち4つの最低値RMSEを達成し、フリードマン誤差をMLPと比較して53.9%削減した。
フリードマンの相互作用マップは、MLPの31.0%と比較して、既知の相互作用ペアに総強度の60.7%を割り当てている。
CV-PUReは、3階および4階の製品と20個のイントラクタを含む合成タスクにおいて、RMSEを複素数値MLPと比較して0.1376から0.0797に削減し、トレーニング/サンプリングを繰り返して9つの真のペアワイズプロジェクションを復元する。
自転車シェアリング実験は、PUReの両変種をペアで改善した予測と、時間、カレンダー、季節のコンテクストの寄与を結びつけている。
Parkinsons Telemonitoringは、コンテキスト分析を反復測定に拡張する。
ノイズと学習曲線の評価は、摂動入力下での持続的な予測ゲインと限られた監督力を示し、推論測定は計算コストを定量化する。
この記事では、ICCS 2026の論文である Model Modeling Characteristics Interactions with Product-Unit Residual Networks (doi:10.1007/978-3-032-29921-5_6)を拡張します。
関連論文リスト
- IntReal: A Real-World Dataset and Benchmark for Multimodal Interleaved Generation [48.37509087391221]
IntRealは4つの主要なカテゴリにまたがるマルチモーダルインターリーブサンプルの実際のデータセットである。
IntReal Evaluation Suiteは、7つの相補的な次元にわたるモデルパフォーマンスを評価する。
トレーニング後の実験は、インターリーブ世代を改善するためのIntReal-100Kの有用性を実証している。
論文 参考訳(メタデータ) (2026-10-28T08:09:05Z) - Intrinsic-Extrinsic Coupling in Learning Dynamics [0.0]
制約付き学習状態介入の継続条件値を用いて本質的・外生的結合を定式化する。
我々は,地域の許容度,継続条件付き介入値,完全政治性能を区別する。
論文 参考訳(メタデータ) (2026-09-24T17:30:22Z) - A Machine Learning Surrogate for Component Criticality Ranking in Interdependent Power-Communication Networks [0.09821874476902966]
サイバー物理電力システムは、電力と通信インフラ間の密接な相互依存に起因するカスケード障害に対して脆弱である。
本稿では,漏洩のない構造特徴から同時重大度を予測する機械学習サロゲートを開発した。
論文 参考訳(メタデータ) (2026-07-09T20:22:14Z) - Modeling Nonlinear Feature Interactions with Product-Unit Residual Networks [0.9367224590861915]
製品ユニット残基ネットワーク(PURe)は、乗法的積単位と残基接続を統合し、機能的結合を明示的にモデル化する。
相互作用駆動型合成ベンチマークと実世界の2つのデータセットの体系的評価を行う。
PUReは、競争力や性能の向上、低データのレシエーションにおけるロバスト性の向上、サンプル効率の向上、対話レベルの解釈性の向上を実現している。
論文 参考訳(メタデータ) (2026-06-05T03:11:08Z) - Differentiable latent structure discovery for interpretable forecasting in clinical time series [38.473526928012724]
連続時間多タスクガウス過程であるStructGPを導入し, 基本的不確かさを保ちながら, 相違構造学習と相違構造学習を組み合わせ, 相互依存の有向非巡回グラフ(DAG)を導出する。
LP-StructGPは,被験者特異的カップリングフィルタとソフトマックスゲーティング機構を用いて,患者間の進行パターンを捉えることで,StructGPを潜在経路に分割し,時間的に変化する軌跡を増大させる。
論文 参考訳(メタデータ) (2026-04-30T14:59:50Z) - Quantifying Cross-Modal Interactions in Multimodal Glioma Survival Prediction via InterSHAP: Evidence for Additive Signal Integration [0.0]
がん予後のためのマルチモーダルディープラーニングは、相乗的相互モーダル相互作用の恩恵を受けると一般的に考えられている。
この研究は、シャプリー相互作用指標に基づく指標であるInterSHAPを適用し、グリオーマ生存予測における相互モーダル相互作用を定量化する。
論文 参考訳(メタデータ) (2026-03-31T16:39:56Z) - Bi-Predictability: A Real-Time Signal for Monitoring LLM Interaction Integrity [0.0]
両予測可能性(P)を用いて,マルチターンインタラクションの整合性を継続的に監視できることが示される。
Information Digital Twin (IDT) は、コンテキスト、応答、次のプロンプトループを二次推論や埋め込みなしでPを推定する軽量アーキテクチャである。
論文 参考訳(メタデータ) (2026-03-18T18:10:37Z) - Do Generative Metrics Predict YOLO Performance? An Evaluation Across Models, Augmentation Ratios, and Dataset Complexity [43.338311770275745]
本報告では, YOLOv11の合成増強の制御された評価法について述べる。
実際のトレーニングスプリットの10%から150%の増大率に対して, GAN, 拡散, ハイブリッドベースの6つのジェネレータをベンチマークした。
データセット生成/拡張設定毎に、マッチしたサイズのブートストラッププロトコルで事前トレーニングデータセットメトリクスを計算する。
論文 参考訳(メタデータ) (2026-02-20T03:02:36Z) - Multimodal Functional Maximum Correlation for Emotion Recognition [41.64451298000105]
感情状態は、中央システムと自律システムにまたがって協調しているが不均一な生理的反応として表される。
我々は,高次マルチモーダル依存を最大化するために,MFMC(Multimodal Functional Maximum correlation)を提案する。
MFMCは、主題に依存しない評価プロトコルと対象に依存しない評価プロトコルの両方の下で、一貫して最先端または競争力を持つ。
論文 参考訳(メタデータ) (2025-12-28T20:48:02Z) - On Minimum Word Error Rate Training of the Hybrid Autoregressive
Transducer [40.63693071222628]
ハイブリッド自己回帰変換器(HAT)の最小単語誤り率(MWER)訓練について検討する。
約3万時間のトレーニングデータを用いた実験から,MWERトレーニングがHATモデルの精度を向上させることを示す。
論文 参考訳(メタデータ) (2020-10-23T21:16:30Z) - Towards a Competitive End-to-End Speech Recognition for CHiME-6 Dinner
Party Transcription [73.66530509749305]
本稿では,難しい場合であっても,ハイブリッドベースラインに近い性能を示すエンドツーエンドアプローチについて論じる。
CTC-Attention と RNN-Transducer のアプローチと RNN と Transformer のアーキテクチャを比較し,解析する。
RNN-Transducerをベースとしたベストエンド・ツー・エンドモデルでは、ビームサーチの改善とともに、LF-MMI TDNN-F CHiME-6 Challengeのベースラインよりも品質が3.8%向上した。
論文 参考訳(メタデータ) (2020-04-22T19:08:33Z)
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。