「68Q32」カテゴリーアーカイブ

Linear causal disentanglement via higher-order cumulants

投稿日: 2024年7月8日 作成者: jarxiv

要約 線形因果離散化とは、因果表現学習における最近の手法であり、観測された変数の … 続きを読む →

カテゴリー: 13P15, 15A69, 62H22, 62R01, 68Q32, cs.LG, math.AG, math.CO, math.ST, stat.ML, stat.TH | Linear causal disentanglement via higher-order cumulants はコメントを受け付けていません

Reducing the cost of posterior sampling in linear inverse problems via task-dependent score learning

投稿日: 2024年5月27日 作成者: jarxiv

要約 スコアベースの拡散モデル (SDM) は、さまざまなベイジアン逆問題で事後 … 続きを読む →

カテゴリー: 60Hxx, 60Jxx, 62F15, 65N21, 68Q32, cs.LG, cs.NA, math.AP, math.NA, math.PR, stat.ML | Reducing the cost of posterior sampling in linear inverse problems via task-dependent score learning はコメントを受け付けていません

Taming Score-Based Diffusion Priors for Infinite-Dimensional Nonlinear Inverse Problems

投稿日: 2024年5月27日 作成者: jarxiv

要約 この研究では、関数空間でベイジアン逆問題を解決できるサンプリング手法を導入 … 続きを読む →

カテゴリー: 60Hxx, 60Jxx, 62F15, 65C05, 65N21, 68Q32, 82C31, cs.LG, cs.NA, math.NA, stat.ML | Taming Score-Based Diffusion Priors for Infinite-Dimensional Nonlinear Inverse Problems はコメントを受け付けていません

$ε$-Policy Gradient for Online Pricing

投稿日: 2024年5月7日 作成者: jarxiv

要約 本稿では、モデルベースとモデルフリーの強化学習アプローチを組み合わせて、オ … 続きを読む →

カテゴリー: 62J12, 65Y20, 68Q32, cs.LG, math.OC, q-fin.ST, stat.ML | $ε$-Policy Gradient for Online Pricing はコメントを受け付けていません

Learning Symbolic Task Representation from a Human-Led Demonstration: A Memory to Store, Retrieve, Consolidate, and Forget Experiences

投稿日: 2024年4月22日 作成者: jarxiv

要約 我々は、高レベルのタスク計画と知識のブートストラップをサポートするタスク表 … 続きを読む →

カテゴリー: 05C72, 68Q32, 68T20, 68T27, 68T30, 68T37, cs.AI, cs.HC, cs.LO, cs.RO, I.2.4 | Learning Symbolic Task Representation from a Human-Led Demonstration: A Memory to Store, Retrieve, Consolidate, and Forget Experiences はコメントを受け付けていません

Learning Symbolic Task Representation from a Human-Led Demonstration: A Memory to Store, Retrieve, Consolidate, and Forget Experiences

投稿日: 2024年4月17日 作成者: jarxiv

要約 我々は、高レベルのタスク計画と知識のブートストラップをサポートするタスク表 … 続きを読む →

カテゴリー: 05C72, 68Q32, 68T20, 68T27, 68T30, 68T37, cs.AI, cs.HC, cs.LO, cs.RO, I.2.4 | Learning Symbolic Task Representation from a Human-Led Demonstration: A Memory to Store, Retrieve, Consolidate, and Forget Experiences はコメントを受け付けていません

Vygotsky Distance: Measure for Benchmark Task Similarity

投稿日: 2024年2月27日 作成者: jarxiv

要約 評価は現代の自然言語処理において重要な役割を果たします。 最新の NLP … 続きを読む →

カテゴリー: 68Q32, 68T01, 97C30, 97P80, cs.AI, cs.CL, cs.LG, H.1.1 | Vygotsky Distance: Measure for Benchmark Task Similarity はコメントを受け付けていません

Signature Methods in Machine Learning

投稿日: 2024年1月29日 作成者: jarxiv

要約 署名ベースの技術は、進化するデータの複雑なストリーム間の相互作用に対する数 … 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

A survey on recent advances in named entity recognition

投稿日: 2024年1月22日 作成者: jarxiv

要約 固有表現認識は、現実世界のオブジェクトに名前を付けるテキスト内の部分文字列 … 続きを読む →

カテゴリー: 68Q32, 68T50, cs.CL, cs.LG | A survey on recent advances in named entity recognition はコメントを受け付けていません

On existence, uniqueness and scalability of adversarial robustness measures for AI classifiers

投稿日: 2023年11月16日 作成者: jarxiv

要約 (局所的に)一意に可逆な分類器、一般化線形モデル (GLM)、およびエント … 続きを読む →

カテゴリー: 68Q32, 68T01, 68T99, 86A22, 92C50, cs.AI, cs.LG, stat.ML | On existence, uniqueness and scalability of adversarial robustness measures for AI classifiers はコメントを受け付けていません