2024-12-28 に確認した最新投稿の一部です。
Article: 1
Title:
Machine Learning Approaches to the Shafarevich-Tate Group of Elliptic Curves
Published:
2024-12-24
Authors:
Angelica Babei, Barinder S. Banwait, AJ Fong, Xiaoyu Huang, Deependra Singh
Abstract:
機械学習モデルを訓練して、$\mathbb{Q}$ 上の楕円曲線の Shafarevich-Tate 群の順序を予測します。He、Lee、Oliverの以前の研究に基づいて、Birch–Swinnerton-Dyer予想式で生じる不変量のサブセットで訓練されたフィードフォワードニューラルネットワーク分類器が、これまでに研究されたどのモデルよりも高い精度($> 0.9$)をもたらすことを示します。さらに、トレーニング中には見られないこのグループの次数を予測するために使用できる回帰モデルを開発し、これを最近ElkiesとKlagsbrunによって発見されたランク29の楕円曲線に適用します。最後に、データセットに対して探索的なデータ分析と視覚化を行います。L-functions and modular forms database (LMFDB) の楕円曲線データセットを使用します。
Article: 2
Title:
Graph Structure Learning for Spatial-Temporal Imputation: Adapting to Node and Feature Scales
Published:
2024-12-24
Authors:
Xinyu Yang, Yu Sun, Xinyang Chen, Ying Zhang, Xiaojie Yuan
Abstract:
地理的に異なる場所で収集された空間的・時間的データは、多くの場合、欠損値に悩まされ、データ分析に課題をもたらします。既存の方法では、主に固定の空間グラフを利用して欠損値を補完しますが、これは、異なる場所のすべてのフィーチャで空間リレーションシップがほぼ同じであると暗黙的に想定しています。ただし、さまざまな場所にあるセンサーによって記録されたさまざまなフィーチャのさまざまな空間関係を見落としている可能性があります。これに対処するために、不均一な空間相関に動的に適応する空間時間補完(GSLI)のためのマルチスケールグラフ構造学習フレームワークを紹介します。私たちのフレームワークには、さまざまな特徴の明確なグローバルな空間相関に対応するためのノードスケールのグラフ構造学習と、すべてのステーション内の特徴間で共通の空間相関を明らかにするための特徴スケールのグラフ構造学習が含まれます。プロミネンスモデリングと統合されたフレームワークは、代入プロセスにおいてより重要なノードと特徴を強調します。さらに、GSLIは、空間的・時間的依存関係を捉えるために、特徴間表現と時間間表現の学習を組み込んでいます。GSLIは、6つの実際の不完全な時空間データセットで評価され、データ補完の改善を示しています。
Article: 3
Title:
SHARQ: Explainability Framework for Association Rules on Relational Data
Published:
2024-12-24
Authors:
Hadar Ben-Efraim, Susan B. Davidson, Amit Somech
Abstract:
アソシエーションルールは、要素のタプル(つまり、属性と値のペア)で構成される大規模なリレーショナルデータセットに対する洞察を得るための重要な手法です。ただし、データ要素が表示されるルールに関して、データ要素の相対的な重要性を説明することは困難です。この論文では、SHARQ(ShApley Rules Quantification)と呼ばれるShapley値に基づく一連の関連ルールに対する要素の寄与の尺度を開発します。多くの Shapely ベースの計算の場合と同様に、スコアの単純な計算のコストは要素の数に指数関数的に依存します。そのために、実行時間がルールの数に対して実質的に線形である単一の要素の正確なSharQ値を計算するための効率的なフレームワークを提示します。さらに一歩進んで、要素のセットに対する単一要素のSHARQ計算のコストを償却する効率的な多要素SHARQアルゴリズムを開発します。要素のSHARQの定義に基づいて、アソシエーションルールの説明可能性に関する2つの追加のユースケース、ルールの重要度と属性の重要度について説明します。マイニングされたルールセットの45のインスタンスを含む新しいベンチマークデータセットに対する広範な実験は、私たちのアプローチの有効性を示しています。
Article: 4
Title:
Explainable Multi-Modal Data Exploration in Natural Language via LLM Agent
Published:
2024-12-24
Authors:
Farhad Nooralahzadeh, Yi Zhang, Jonathan Furst, Kurt Stockinger
Abstract:
国際的な企業、組織、病院は、データベース、テキストドキュメント、画像、ビデオに保存されている大量のマルチモーダルデータを収集しています。近年、マルチモーダルデータ探索の個別の分野や、自然言語の質問をデータベースクエリ言語に自動的に翻訳するデータベースシステムで進歩が見られますが、自然言語の画像などの他の非構造化モダリティと組み合わせたデータベースシステムのクエリという研究課題は広く未踏です。 本稿では、自然言語での説明可能なマルチモーダルデータ探索を可能にするシステムであるXMODEを提案する。私たちのアプローチは、次の研究貢献に基づいています:(1)私たちのシステムは、ユーザーがマルチモーダル情報システムを探索できるようにする実際のユースケースに触発されています。(2)XMODEは、LLMベースのエージェントAIフレームワークを活用して、自然言語の問題をテキストからSQLへの生成や画像分析などのサブタスクに分解します。(3)リレーショナルデータや画像を用いたマルチモーダルデータセットの実験結果から、LLMの推論能力をより効率的に活用することで、精度だけでなく、クエリ遅延、APIコスト、計画効率、説明品質などのさまざまなパフォーマンスメトリクスでも優れた性能を発揮し、最先端のマルチモーダル探索システムを凌駕することが示されています。
Article: 5
Title:
Measurement of neutron induced reaction cross-section of tantalum with covariance analysis
Published:
2024-12-24
Authors:
Mahima Upadhyay, Mahesh Choudhary, Namrata Singh, Punit Dubey, Shweta Singh, Sriya Paul, Utkarsha Mishra, G. Mishra, G. Mohanto, Sukanya De, L. S. Danu, B. Lalremruata, Ajay Kumar, R. G. Thomas, A. Kumar
Abstract:
現在の研究では、オフラインの$\gamma$線分光法を利用して、1.37 $\pm$ 0.13、2.06 $\pm$ 0.14、2.56 $\pm$ 0.15、および3.05 $\pm$ 0.17 MeV中性子エネルギーでの$^{181}$Ta(n,$\gamma$)$^{182}$Ta反応の断面積測定を示しています。中性子は、$^{7}$Li(p,n)$^{7}$Be反応によって生成されました。$^{115}$In(n,n’$\gamma$)$^{115m}$In反応はモニター反応として機能しました。共分散分析は、$^{181}$Ta(n,$\gamma$)$^{182}$Ta反応について、測定された断面積の不確実性を初めて定量化するために使用されました。本研究は、全体的な結果における不確実性の伝播に関する詳細な情報を提供します。今回の測定では、低エネルギー背景中性子と$\gamma$-ray coincidence summing effectの必要な補正が行われました。出力は、EXFORデータベース、評価されたデータライブラリ、および理論モデル予測からの既存の断面データと比較されます。