I.2.6」カテゴリーアーカイブ

Natural Language Can Help Bridge the Sim2Real Gap

要約 画像条件付きロボット ポリシーを学習する際の主な課題は、低レベルの制御に役 … 続きを読む

カテゴリー: cs.CL, cs.CV, cs.LG, cs.RO, I.2.6 | Natural Language Can Help Bridge the Sim2Real Gap はコメントを受け付けていません

How to Boost Any Loss Function

要約 ブースティングは、ML 生まれの最適化設定で非常に成功しています。この設定 … 続きを読む

カテゴリー: cs.LG, I.2.6, stat.ML | How to Boost Any Loss Function はコメントを受け付けていません

On the Anatomy of Attention

要約 機械学習モデルを体系的に関連付けて推論するために、圏論的な図式形式主義を導 … 続きを読む

カテゴリー: 18M30, 68T01, cs.LG, I.2.6, math.CT | On the Anatomy of Attention はコメントを受け付けていません

A Pattern Language for Machine Learning Tasks

要約 万能近似器として理想化されたニューラル ネットワークなどの学習器は、トレー … 続きを読む

カテゴリー: 18M30, 68T01, cs.LG, I.2.6, math.CT | A Pattern Language for Machine Learning Tasks はコメントを受け付けていません

`Just One More Sensor is Enough’ — Iterative Water Leak Localization with Physical Simulation and a Small Number of Pressure Sensors

要約 この記事では、物理シミュレーション (EPANET ソフトウェアなど) か … 続きを読む

カテゴリー: cs.LG, cs.SY, eess.SY, I.2.6 | `Just One More Sensor is Enough’ — Iterative Water Leak Localization with Physical Simulation and a Small Number of Pressure Sensors はコメントを受け付けていません

Improving the Expressiveness of $K$-hop Message-Passing GNNs by Injecting Contextualized Substructure Information

要約 グラフ ニューラル ネットワーク (GNN) は、グラフにおける表現学習の … 続きを読む

カテゴリー: cs.LG, I.2.6 | Improving the Expressiveness of $K$-hop Message-Passing GNNs by Injecting Contextualized Substructure Information はコメントを受け付けていません

MEReQ: Max-Ent Residual-Q Inverse RL for Sample-Efficient Alignment from Intervention

要約 ロボットの動作を人間の好みに合わせることが、人間中心の環境に身体化された … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.RO, I.2.6 | MEReQ: Max-Ent Residual-Q Inverse RL for Sample-Efficient Alignment from Intervention はコメントを受け付けていません

A Systematic Review of Few-Shot Learning in Medical Imaging

要約 注釈付きの医療画像が不足すると、通常、大規模なラベル付きデータセットが必要 … 続きを読む

カテゴリー: cs.AI, cs.CV, I.2.6 | A Systematic Review of Few-Shot Learning in Medical Imaging はコメントを受け付けていません

Fine-grained Attention in Hierarchical Transformers for Tabular Time-series

要約 表形式のデータは、現実の多くのシステムで遍在しています。 特に、行が時系列 … 続きを読む

カテゴリー: cs.LG, I.2.6 | Fine-grained Attention in Hierarchical Transformers for Tabular Time-series はコメントを受け付けていません

Segmentation of Non-Small Cell Lung Carcinomas: Introducing DRU-Net and Multi-Lens Distortion

要約 今日の病理学研究室の作業負荷の増加を考慮すると、人工知能モデルなどの自動ツ … 続きを読む

カテゴリー: cs.CV, cs.LG, eess.IV, I.2.6, I.4.6, q-bio.QM | Segmentation of Non-Small Cell Lung Carcinomas: Introducing DRU-Net and Multi-Lens Distortion はコメントを受け付けていません