cs.DS」カテゴリーアーカイブ

Tractable Agreement Protocols

要約 私たちは、あらゆる機械学習アルゴリズムを対話型プロトコルに変換する効率的な … 続きを読む

カテゴリー: cs.DS, cs.GT, cs.LG | Tractable Agreement Protocols はコメントを受け付けていません

Classical and Quantum Algorithms for the Deterministic L-system Inductive Inference Problem

要約 L システムは、植物の発育など、多くの生物学的プロセスのモデル化およびシミ … 続きを読む

カテゴリー: cs.CL, cs.DS, cs.FL, cs.LG, quant-ph | Classical and Quantum Algorithms for the Deterministic L-system Inductive Inference Problem はコメントを受け付けていません

Approximation Algorithms for Combinatorial Optimization with Predictions

要約 私たちは、実行時間を増加させることなく、古典的なアルゴリズムの超近似保証を … 続きを読む

カテゴリー: cs.DS, cs.LG | Approximation Algorithms for Combinatorial Optimization with Predictions はコメントを受け付けていません

OPMOS: Ordered Parallel Multi-Objective Shortest-Path

要約 多目的最短経路 (MOS) 問題は、多属性グラフ内の開始ノードから宛先ノー … 続きを読む

カテゴリー: cs.AI, cs.AR, cs.DC, cs.DS, cs.PF | OPMOS: Ordered Parallel Multi-Objective Shortest-Path はコメントを受け付けていません

Agnostic Learning of Arbitrary ReLU Activation under Gaussian Marginals

要約 二乗損失目標を使用して、ガウス境界上で任意にバイアスされた ReLU 活性 … 続きを読む

カテゴリー: cs.DS, cs.LG, stat.ML | Agnostic Learning of Arbitrary ReLU Activation under Gaussian Marginals はコメントを受け付けていません

Learning multivariate Gaussians with imperfect advice

要約 学習拡張アルゴリズムのフレームワーク内で分布学習の問題を再検討します。 こ … 続きを読む

カテゴリー: cs.DS, cs.IT, cs.LG, math.IT, stat.ML | Learning multivariate Gaussians with imperfect advice はコメントを受け付けていません

Outlier-robust Mean Estimation near the Breakdown Point via Sum-of-Squares

要約 $\varepsilon$ 部分の敵対的外れ値が存在する場合に高次元分布の … 続きを読む

カテゴリー: cs.DS, cs.LG, stat.ML | Outlier-robust Mean Estimation near the Breakdown Point via Sum-of-Squares はコメントを受け付けていません

Overcomplete Tensor Decomposition via Koszul-Young Flattenings

要約 代数の複雑さの下限とテンソル分解の間の関連性を動機として、行列乗算の最近の … 続きを読む

カテゴリー: cs.DS, cs.LG | Overcomplete Tensor Decomposition via Koszul-Young Flattenings はコメントを受け付けていません

Agnostic Learning of Arbitrary ReLU Activation under Gaussian Marginals

要約 二乗損失目標を使用して、ガウス境界上で任意にバイアスされた ReLU 活性 … 続きを読む

カテゴリー: cs.DS, cs.LG | Agnostic Learning of Arbitrary ReLU Activation under Gaussian Marginals はコメントを受け付けていません

Sampling and Integration of Logconcave Functions by Algorithmic Diffusion

要約 任意の対数凹関数のサンプリング、丸め、統合の複雑さを研究します。 私たちの … 続きを読む

カテゴリー: cs.DS, cs.LG, math.ST, stat.ML, stat.TH | Sampling and Integration of Logconcave Functions by Algorithmic Diffusion はコメントを受け付けていません