投稿者「jarxiv」のアーカイブ

Multiplayer Federated Learning: Reaching Equilibrium with Less Communication

要約 従来のフェデレーテッド ラーニング (FL) アプローチは、共通のグローバ … 続きを読む

カテゴリー: cs.LG, math.OC, stat.ML | コメントする

Efficient Distribution Matching of Representations via Noise-Injected Deep InfoMax

要約 Deep InfoMax (DIM) は、ディープ ニューラル ネットワー … 続きを読む

カテゴリー: (Primary), 94A17, cs.IT, cs.LG, H.1.1, math.IT, stat.ML | コメントする

Decoding Interpretable Logic Rules from Neural Networks

要約 ディープ ニューラル ネットワークがさまざまなドメインで優れた性能を発揮し … 続きを読む

カテゴリー: cs.LG | コメントする

Avoiding subtraction and division of stochastic signals using normalizing flows: NFdeconvolve

要約 科学の世界全体で、私たちは確率信号を減算したり除算したりすることがあります … 続きを読む

カテゴリー: cs.LG, math.PR, physics.data-an, q-bio.QM, stat.ML | コメントする

Benchmarking Graph Representations and Graph Neural Networks for Multivariate Time Series Classification

要約 多変量時系列分類 (MTSC) は、複雑な時系列データの分析を可能にするた … 続きを読む

カテゴリー: 68T10, cs.LG | コメントする

Path Loss Prediction Using Machine Learning with Extended Features

要約 ワイヤレス通信はパスロス モデリングに依存しており、伝播環境の物理的な詳細 … 続きを読む

カテゴリー: cs.LG, eess.SP | コメントする

A Similarity Measure Between Functions with Applications to Statistical Learning and Optimization

要約 このノートでは、2 つの関数間の類似性の新しい尺度を紹介します。 これは、 … 続きを読む

カテゴリー: cs.LG, math.OC, stat.ML | コメントする

Gradient Equilibrium in Online Learning: Theory and Applications

要約 我々は、勾配平衡と呼ぶオンライン学習に関する新しい視点を提示します。つまり … 続きを読む

カテゴリー: cs.LG, math.OC, math.ST, stat.ML, stat.TH | コメントする

GRAPHMOE: Amplifying Cognitive Depth of Mixture-of-Experts Network via Introducing Self-Rethinking Mechanism

要約 従来の専門家混合 (MoE) ネットワークでは、単一の大規模ネットワークで … 続きを読む

カテゴリー: cs.AI, cs.CL | コメントする

UTMath: Math Evaluation with Unit Test via Reasoning-to-Coding Thoughts

要約 数学的推論能力の評価は、汎用人工知能 (AGI) の進歩に不可欠です。 大 … 続きを読む

カテゴリー: cs.AI, cs.CL | コメントする