「68Q32」カテゴリーアーカイブ

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

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

投稿日: 2023年11月15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

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

投稿日: 2023年11月7日 作成者: jarxiv

要約 (局所的に)一意可逆な分類器、一般化線形モデル(GLM)、エントロピックA … 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

On regularized Radon-Nikodym differentiation

投稿日: 2023年8月16日 作成者: jarxiv

要約 ラドン-ニコジム導関数の推定の問題について説明します。 この問題は、共変量 … 続きを読む →

カテゴリー: 68Q32, 68T05, cs.LG, cs.NA, math.NA, math.ST, stat.ML, stat.TH | On regularized Radon-Nikodym differentiation はコメントを受け付けていません

A unified stochastic approximation framework for learning in games

投稿日: 2023年7月4日 作成者: jarxiv

要約 我々は、ゲーム（連続・有限の両方）における学習の長期的挙動を分析するための … 続きを読む →

カテゴリー: 68Q32, 68T02, 91A10, 91A26, cs.GT, cs.LG, math.OC | A unified stochastic approximation framework for learning in games はコメントを受け付けていません