MétaCan
Menu
Retour à la cohorte
Enregistrement W3198399915 · doi:10.1109/isit45174.2021.9518076

Globally Optimal Design of a Distributed Scalar Quantizer for Linear Classification

2021· article· en· W3198399915 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueDistributed Sensor Networks and Detection Algorithms
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésClassifier (UML)EncoderAlgorithmComputer scienceArtificial intelligenceMathematicsTupleSequence (biology)CombinatoricsDiscrete mathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

This work is concerned with the design of a distributed scalar quantizer (DSQ) with two encoders, for linear classification. The objective of the optimization is to minimize the classification error of the classifier applied to the quantized inputs in the training sequence with respect to the classifier applied on unquantized inputs. We prove that the optimal DSQ design problem is equivalent to a minimum weight path problem with some constraints on the number and types of edges in a certain weighted directed acyclic graph. Further, we propose a solution algorithm with time complexity <tex xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">$O(K_{1}K_{2}N^{4})$</tex> , where <tex xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">$N$</tex> is the size of the training sequence while <tex xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">$K_{1}$</tex> and <tex xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">$K_{2}$</tex> are the numbers of cells of the two encoders, respectively. In addition, we develop faster design algorithms for the equal-rate case (i.e., <tex xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">$K_{1}=K_{2}=K$</tex> ). Specifically, when the training sequence is symmetric, we prove that there exists an optimal DSQ where the thresholds of the encoders' partitions are interleaved. By leveraging this property and the symmetry of the training sequence, we propose a <tex xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">$O(KN^{2})$</tex> time solution algorithm. For the case when the training sequence is not symmetric, we propose an algorithm with the same time complexity that minimizes an upper bound on the misclassification ratio. Experimental results prove the considerable superiority of the proposed approaches in comparison with prior work in both symmetric and asymmetric scenarios.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,709
Score d'incertitude au seuil0,388

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,045
Tête enseignante GPT0,279
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle