cs.LG」カテゴリーアーカイブ

Enhanced forecasting of stock prices based on variational mode decomposition, PatchTST, and adaptive scale-weighted layer

要約 近年の株価指数の大幅な変動は、投資および財務戦略の指針となる正確な予測の重 … 続きを読む

カテゴリー: cs.LG, eess.SP | Enhanced forecasting of stock prices based on variational mode decomposition, PatchTST, and adaptive scale-weighted layer はコメントを受け付けていません

Wasserstein Gradient Boosting: A Framework for Distribution-Valued Supervised Learning

要約 勾配ブースティングは、反復ごとに新しい弱学習器を擬似残差に適合させる逐次ア … 続きを読む

カテゴリー: cs.LG, stat.ME, stat.ML | Wasserstein Gradient Boosting: A Framework for Distribution-Valued Supervised Learning はコメントを受け付けていません

Adaptive Log-Euclidean Metrics for SPD Matrix Learning

要約 対称正定 (SPD) 行列は、データ内の基礎となる構造相関をエンコードする … 続きを読む

カテゴリー: cs.LG | Adaptive Log-Euclidean Metrics for SPD Matrix Learning はコメントを受け付けていません

Learning to Prompt Your Domain for Vision-Language Models

要約 プロンプト学習は、最近、Contrastive Language Imag … 続きを読む

カテゴリー: cs.LG | Learning to Prompt Your Domain for Vision-Language Models はコメントを受け付けていません

Batched Stochastic Bandit for Nondegenerate Functions

要約 この論文では、非縮退関数のバッチ バンディット学習問題を研究します。 非縮 … 続きを読む

カテゴリー: cs.LG, stat.ML | Batched Stochastic Bandit for Nondegenerate Functions はコメントを受け付けていません

Physics of Language Models: Part 2.2, How to Learn From Mistakes on Grade-School Math Problems

要約 言語モデルは、推論タスクを解決する際に顕著なパフォーマンスを実証しました。 … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG | Physics of Language Models: Part 2.2, How to Learn From Mistakes on Grade-School Math Problems はコメントを受け付けていません

PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents

要約 心理測定は、メンタルヘルス、自己理解、個人の成長にとって不可欠です。 自己 … 続きを読む

カテゴリー: cs.CL, cs.CY, cs.HC, cs.LG, cs.MA | PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents はコメントを受け付けていません

SALSA: Speedy ASR-LLM Synchronous Aggregation

要約 事前トレーニングされた LLM を利用して、特に低リソース言語の ASR … 続きを読む

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | SALSA: Speedy ASR-LLM Synchronous Aggregation はコメントを受け付けていません

A Gradient Analysis Framework for Rewarding Good and Penalizing Bad Examples in Language Models

要約 良い例の確率を最適化する言語モデル (LM) の標準目的である最尤推定 ( … 続きを読む

カテゴリー: cs.CL, cs.LG, stat.ML | A Gradient Analysis Framework for Rewarding Good and Penalizing Bad Examples in Language Models はコメントを受け付けていません

Reinforcement Learning without Human Feedback for Last Mile Fine-Tuning of Large Language Models

要約 強化学習は、尤度最大化を使用して大規模なコーパス内のテキストの次のトークン … 続きを読む

カテゴリー: cs.CL, cs.LG | Reinforcement Learning without Human Feedback for Last Mile Fine-Tuning of Large Language Models はコメントを受け付けていません