抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
損失圧縮とクラスタ化の両方の心臓において,学習された表現の忠実度とサイズの間のトレードオフである。目標は,このトレードオフを定量化するパレートフロンティアをマッピングし,研究することである。ハードクラスタリング空間に対する決定論的情報Bottleneck(DIB)目標の最適化に焦点を当てた。この目的のために,著者らは,離散探索空間上で最適化するとき,以前に研究されたLagrange緩和よりはるかに豊富なフロンティアにおける結果を示すプライムDIB問題を紹介した。また,他の2目的クラスタリング問題にも適用可能なプライムDIBトレードオフのパレートフロンティアをマッピングするためのアルゴリズムを示した。パレートフロンティアの一般的性質を研究し,著者らは,一般的にフロンティアの対数スパース性に対する解析的および数値的証拠の両方を与えた。著者らは,著者らのアルゴリズムが超指数探索空間にもかかわらず多項式スケーリングを有する証拠を提供し,さらに,サンプリングノイズが有意であると予想されるアルゴリズムへの修正を提案した。最後に,このアルゴリズムを用いて,3つの異なるタスクのDIBフロンティアを写像した:英語アルファベットを圧縮し,自然画像から有益な色クラスを抽出し,グループ理論にヒントを得たデータセットを圧縮し,フロンティアの興味深い特徴を明らかにし,そして,フロンティアの構造が,凸包のクロークによって以前に隠された点に焦点を当て,モデル選択のためにどのように使用できるかを示した。【JST・京大機械翻訳】