Nový preprint hľadá štruktúru v pravdepodobnostných tenzoroch cez algebraické podpisy
Práca z arXivu navrhuje, aby sa niektoré pravdepodobnostné modely identifikovali podľa miznúcich binomických vzťahov namiesto priameho odhadu parametrov.
Tag
#strojové učenie
Všetky publikované články, v ktorých sa téma strojové učenie objavuje ako dôležitý kontext. Aktuálne 18 textov v archíve.
Nový model sleduje progresiu ALS ako časový klinický problém
Preprint o ALS kombinuje pozdĺžne klinické dáta, modelovanie prežitia a digitálny dvojník. Sľubuje individuálnejší odhad funkčného poklesu aj potreby pomôcok, no bude vyžadovať opatrnú validáciu v klinickej praxi.
Preprint zrýchľuje teóriu Hamiltonovského Monte Carla cez náhodné časy behu
Nový preprint na arXive dokazuje rýchlejšie miešanie pre randomizovanú verziu Hamiltonovského Monte Carla pri log-konkávnych rozdeleniach. Výsledok je teoretický, ale dôležitý pre presnejšie vzorkovanie v Bayesovskom strojovom učení.
Grafové párovanie má nový algoritmus s takmer kvadratickým časom
Nový preprint rieši základnú úlohu grafového párovania v korelovaných náhodných grafoch. Autori navrhujú algoritmus založený na lokálnych testoch stromovej korelácie, ktorý má dosiahnuť takmer presnú obnovu pri takmer kvadratickej zložitosti v režime, kde boli skoršie metódy výrazne pomalšie.
Additívny MLP-GNN model rozdeľuje, čo pri rozpustnosti látok vysvetľuje chémia a čo štruktúra
Nový preprint navrhuje model pre predikciu rozpustnosti, ktorý drží fyzikálno-chemické deskriptory a molekulový graf v oddelených vetvách až po finálnu predikciu.
Model pre klasifikáciu nádorov CNS z DNA metylácie hlási vyššiu presnosť
Preprint na arXive testuje kombináciu riedkej náhodnej projekcie a multinomickej logistickej regresie pre klasifikáciu nádorov centrálneho nervového systému z DNA metylačných profilov.
FoGS filtruje syntetické klinické dáta pre modely prežívania
Nový preprint predstavuje FoGS, postup na výber syntetických vzoriek z viacerých generátorov pre survival analýzu. Autori tvrdia, že pri malých klinických kohortách môže filtrovanie nahradiť tréning na reálnych dátach lepšie než spoliehanie sa na jeden generátor.
ALO zrýchľuje konformné intervaly neistoty bez úplného prepočítavania modelov
Nový preprint ukazuje, ako sa dá konformná predikcia zrýchliť pomocou približného leave-one-out odhadu, pričom si v asymptotickom režime zachováva pokrytie aj efektivitu blízku presnejším metódam.
Preprint rozširuje diferenciálne súkromie na vážené učenie z citlivých dát
Nová verzia preprintu na arXiv navrhuje postup pre diferenciálne súkromnú váženú empirickú minimalizáciu rizika. Práca je technická, ale dôležitá pre medicínske a iné citlivé aplikácie, kde majú jednotlivé záznamy rôznu váhu a model sa nemá naučiť identitu pacientov.
Prehľad mapuje dátové modely pre odhad pôdnej vlhkosti
Nový preprint sumarizuje, ako sa strojové učenie používa pri regresii a klasifikácii pôdnej vlhkosti. Téma je dôležitá pre poľnohospodárstvo, sucho aj klimatické modelovanie.
Štúdia porovnáva 19 grafových vrstiev pre predikciu trajektórií v autonómnej jazde
Nový preprint skúma, ktoré typy grafových neurónových vrstiev lepšie modelujú interakcie medzi účastníkmi premávky. Pre autonómnu jazdu je to praktická otázka architektúry, nie iba benchmarková súťaž.
Preprint zovšeobecňuje rozhodovacie stromy cez Bregmanove divergencie
Nový arXiv preprint opisuje jednotný rámec pre rozhodovacie stromy, ktorý namiesto jednej pevnej chybovej miery používa širšiu triedu Bregmanových divergencií. Výsledok môže byť zaujímavý pre interpretovateľné modely, robustnejšie straty aj teoretické porovnávanie stromových algoritmov.