cs.DS」カテゴリーアーカイブ

Stochastic Nested Compositional Bi-level Optimization for Robust Feature Learning

要約 私たちは、ネストされた構成バイレベル最適化問題を解決するための確率的近似ア … 続きを読む

カテゴリー: cs.DS, cs.LG, math.OC, stat.ML | Stochastic Nested Compositional Bi-level Optimization for Robust Feature Learning はコメントを受け付けていません

Algorithms for Acyclic Weighted Finite-State Automata with Failure Arcs

要約 重み付き有限状態オートマトン (WSFA) は、NLP でよく使用されます … 続きを読む

カテゴリー: cs.CL, cs.DS | Algorithms for Acyclic Weighted Finite-State Automata with Failure Arcs はコメントを受け付けていません

Growing Fast without Colliding: Polylogarithmic Time Step Construction of Geometric Shapes

要約 [Almalki and Michael, 2022] と [Gupta … 続きを読む

カテゴリー: cs.CG, cs.DS, cs.RO | Growing Fast without Colliding: Polylogarithmic Time Step Construction of Geometric Shapes はコメントを受け付けていません

Linear Query Approximation Algorithms for Non-monotone Submodular Maximization under Knapsack Constraint

要約 この研究では、ナップザック制約の対象となるサイズ $n$ の基底セット、$ … 続きを読む

カテゴリー: cs.AI, cs.DS | Linear Query Approximation Algorithms for Non-monotone Submodular Maximization under Knapsack Constraint はコメントを受け付けていません

A Near-Linear Time Algorithm for the Chamfer Distance

要約 サイズが $n$ までの任意の 2 つの点セット $A,B \subset … 続きを読む

カテゴリー: cs.CG, cs.DS, cs.GR, cs.LG | A Near-Linear Time Algorithm for the Chamfer Distance はコメントを受け付けていません

Efficient Semiring-Weighted Earley Parsing

要約 この論文は、さまざまな高速化を備えた Earley (1970) のコンテ … 続きを読む

カテゴリー: cs.CL, cs.DS, cs.FL | Efficient Semiring-Weighted Earley Parsing はコメントを受け付けていません

A Time Leap Challenge for SAT Solving

要約 過去 20 年間にわたる SAT 解決に対するハードウェアの進歩とアルゴリ … 続きを読む

カテゴリー: cs.AI, cs.AR, cs.DS, I.1.2 | A Time Leap Challenge for SAT Solving はコメントを受け付けていません

Gaussian Database Alignment and Gaussian Planted Matching

要約 データベース アライメントは、グラフ アライメント問題の変形です。ユーザー … 続きを読む

カテゴリー: cs.DB, cs.DS, cs.IT, cs.LG, math.IT, stat.ML | Gaussian Database Alignment and Gaussian Planted Matching はコメントを受け付けていません

Learning Mixtures of Gaussians Using the DDPM Objective

要約 最近の研究では、スコア推定を実行できれば、拡散モデルは基本的にあらゆる分布 … 続きを読む

カテゴリー: cs.DS, cs.LG, stat.ML | Learning Mixtures of Gaussians Using the DDPM Objective はコメントを受け付けていません

Fitting an ellipsoid to a quadratic number of random points

要約 $\mathbb{R}^d$ の $n$ 個の標準ガウス乱数ベクトルを $ … 続きを読む

カテゴリー: cs.DS, cs.LG, math.PR, math.ST, stat.ML, stat.TH | Fitting an ellipsoid to a quadratic number of random points はコメントを受け付けていません