I.2.6」カテゴリーアーカイブ

Optimized Gradient Clipping for Noisy Label Learning

要約 これまでの研究では、モデルの予測確率に関して損失関数の勾配を制約すると、ノ … 続きを読む

カテゴリー: 68T07, 68T10, cs.CV, cs.LG, I.2.6 | コメントする

The VOROS: Lifting ROC curves to 3D

要約 ROC 曲線の下の面積は、おそらくさまざまなバイナリ分類器の相対的なパフォ … 続きを読む

カテゴリー: (Primary), 68P01, 68U05, cs.LG, I.2.6, math.MG, math.ST, stat.ME, stat.TH | コメントする

A Staged Deep Learning Approach to Spatial Refinement in 3D Temporal Atmospheric Transport

要約 高解像度の時空間シミュレーションは、複雑な地形における大気プルームの分散の … 続きを読む

カテゴリー: 62M20, 68T07, 86A10, 93A30, cs.LG, I.2.6, physics.ao-ph | コメントする

SMOSE: Sparse Mixture of Shallow Experts for Interpretable Reinforcement Learning in Continuous Control Tasks

要約 継続的な制御タスクには、多くの場合、高次元、動的、非線形の環境が関係します … 続きを読む

カテゴリー: 68, cs.AI, cs.LG, I.2.6 | コメントする

The State of Robot Motion Generation

要約 この論文では、50 年にわたるロボット研究の中で提案され、最近の開発で最高 … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.RO, I.2.6 | コメントする

Buzz to Broadcast: Predicting Sports Viewership Using Social Media Engagement

要約 スポーツの視聴者数を正確に予測することは、広告販売と収益予測を最適化するた … 続きを読む

カテゴリー: 68T07, cs.LG, I.2.6 | コメントする

Extreme AutoML: Analysis of Classification, Regression, and NLP Performance

要約 機械学習技術を利用するには、常にハイパーパラメータを選択する必要がありまし … 続きを読む

カテゴリー: cs.AI, cs.LG, I.2.6 | コメントする

Learning Sketch Decompositions in Planning via Deep Reinforcement Learning

要約 計画学習と強化学習では、長期にわたって目標を達成する必要がある場合、問題全 … 続きを読む

カテゴリー: cs.AI, I.2.6 | コメントする

Predictive Models in Sequential Recommendations: Bridging Performance Laws with Data Quality Insights

要約 逐次推奨 (SR) は、ユーザーの逐次的な好みを予測する上で重要な役割を果 … 続きを読む

カテゴリー: 68P20, cs.AI, cs.IR, I.2.6 | Predictive Models in Sequential Recommendations: Bridging Performance Laws with Data Quality Insights はコメントを受け付けていません

Evaluation of post-hoc interpretability methods in time-series classification

要約 事後解釈可能性手法は、ニューラル ネットワークの結果を説明するための重要な … 続きを読む

カテゴリー: cs.AI, cs.LG, I.2.6, stat.ML | Evaluation of post-hoc interpretability methods in time-series classification はコメントを受け付けていません