68Q32」カテゴリーアーカイブ

The global convergence time of stochastic gradient descent in non-convex landscapes: Sharp estimates via large deviations

要約 このホワイトペーパーでは、確率的勾配降下(SGD)が一般的な非凸型損失関数 … 続きを読む

カテゴリー: (Primary), 60F10, 68Q32, 90C26, 90C30, cs.LG, math.OC | コメントする

Make Optimization Once and for All with Fine-grained Guidance

要約 最適化(L2O)を学習することで、統合されたニューラルネットワークを使用し … 続きを読む

カテゴリー: 68Q32, cs.LG, I.2 | Make Optimization Once and for All with Fine-grained Guidance はコメントを受け付けていません

From Denoising Score Matching to Langevin Sampling: A Fine-Grained Error Analysis in the Gaussian Setting

要約 個別のサンプルを介してのみアクセスできる未知の分布からのサンプリングは、生 … 続きを読む

カテゴリー: 68Q32, cs.LG, math.OC | From Denoising Score Matching to Langevin Sampling: A Fine-Grained Error Analysis in the Gaussian Setting はコメントを受け付けていません

Learning Decentralized Swarms Using Rotation Equivariant Graph Neural Networks

要約 集中制御なしで集合的な目標を最適化するエージェントのオーケストレーションは … 続きを読む

カテゴリー: (Primary), 68Q32, 68T42, cs.LG, cs.RO | Learning Decentralized Swarms Using Rotation Equivariant Graph Neural Networks はコメントを受け付けていません

Learning Decentralized Swarms Using Rotation Equivariant Graph Neural Networks

要約 集中制御なしで集合的な目標を最適化するエージェントのオーケストレーションは … 続きを読む

カテゴリー: (Primary), 68Q32, 68T42, cs.LG, cs.RO | Learning Decentralized Swarms Using Rotation Equivariant Graph Neural Networks はコメントを受け付けていません

Asymptotic Optimism of Random-Design Linear and Kernel Regression Models

要約 私たちは、ランダム設計下で線形回帰モデルの閉じた漸近楽観主義を導き出し、そ … 続きを読む

カテゴリー: 68Q32, 68T05, cs.LG, math.ST, stat.ML, stat.TH | Asymptotic Optimism of Random-Design Linear and Kernel Regression Models はコメントを受け付けていません

UniZyme: A Unified Protein Cleavage Site Predictor Enhanced with Enzyme Active-Site Knowledge

要約 酵素触媒タンパク質切断は、多くの生物学的機能に不可欠です。 切断部位の正確 … 続きを読む

カテゴリー: 68Q32, 68T07, 92D15, 92E10, cs.AI, cs.LG, I.2.6, q-bio.QM | UniZyme: A Unified Protein Cleavage Site Predictor Enhanced with Enzyme Active-Site Knowledge はコメントを受け付けていません

Signature Methods in Machine Learning

要約 署名ベースの手法は、進化するデータの複雑なストリーム間の相互作用に関する数 … 続きを読む

カテゴリー: 34F05, 60L10, 68Q32, 93C15, cs.LG, cs.NA, math.CA, math.NA, math.ST, stat.ME, stat.ML, stat.TH | Signature Methods in Machine Learning はコメントを受け付けていません

Federated Domain Generalization with Data-free On-server Gradient Matching

要約 ドメイン一般化(DG)は、複数の既知のソースドメインから、未知のターゲット … 続きを読む

カテゴリー: 68Q32, cs.AI, cs.DC, cs.LG, cs.MA, I.2.11 | Federated Domain Generalization with Data-free On-server Gradient Matching はコメントを受け付けていません

MVTamperBench: Evaluating Robustness of Vision-Language Models

要約 マルチモーダル大規模言語モデル (MLLM) は、ビデオの理解において大き … 続きを読む

カテゴリー: 68Q32, 68Q85, 68T05, 68T37, 68T40, 68T45, 94A08, cs.CV, I.2.10 | MVTamperBench: Evaluating Robustness of Vision-Language Models はコメントを受け付けていません