PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

arXiv:2505.23565v2cs.LG공식 코드 · Papers with Code

DRO: 기계학습을 위한 분포적 강건 최적화 파이썬 라이브러리

DRO: A Python Library for Distributionally Robust Optimization in Machine Learning

우리는 회귀 및 분류 문제를 위한 분포적 강건 최적화(DRO) 오픈소스 파이썬 라이브러리인 dro를 소개한다. 이 라이브러리는 15개의 DRO 정식화와 9개의 백본 모델을 구현하여 85가지의 서로 다른 DRO 방법을 지원한다. 또한 dro는 통합 인터페이스를 통해 scikit-learn 및 PyTorch와 모두 호환되며, 계산량이 많은 일부 정식화에 대해서는 근사 기법을 사용하여 실행 시간을 줄인다. 포괄적인 문서는 https://python-dro.org 에서 확인할 수 있다.

arXiv:2503.03156v4cs.LG공식 코드 · Papers with Code

호몰로지 안정성 및 전역 구조 보존을 위한 차원 축소

Dimensionality reduction for homological stability and global structure preservation

본 논문에서는 최신 하드웨어에서 실용성을 유지하면서 전역 구조(global structure)와 호몰로지 특징(homological features)을 보존하도록 설계된 힘 지향(force-directed) 차원 축소 프레임워크인 DiRe를 제안합니다. 이 방법은 초기 임베딩(embedding)과 그래프 기반 레이아웃 최적화(optimization)를 결합하며, 국소 왜곡(local distortion), 문맥 보존(context preservation), 지속성 호몰로지(persistent homology) 측정 지표를 사용하여 결과로 생성된 저차원 표현을 평가합니다. 본 연구에서 고려된 벤치마크(benchmark) 스위트 전반에서 DiRe는 UMAP 및 t-SNE와 상호 보완적인 절충안(tradeoff)을 제공합니다. 즉, 순수한 국소 시각화 휴리스틱이라기보다는 베티 곡선(Betti curves)과 지속성 다이어그램(persistence diagrams)을 통해 대규모 기하학적 특성을 정량화할 수 있는 임베딩 프레임워크로서 설계되었습니다.