「math.PR」カテゴリーアーカイブ

Is Learning in Biological Neural Networks based on Stochastic Gradient Descent? An analysis using stochastic processes

投稿日: 2024年4月11日 作成者: jarxiv

要約 近年、生物学的ニューラル ネットワーク (BNN) での学習が人工ニューラ … 続きを読む →

カテゴリー: 68T07, 92C20, cs.LG, cs.NE, math.PR, q-bio.NC | Is Learning in Biological Neural Networks based on Stochastic Gradient Descent? An analysis using stochastic processes はコメントを受け付けていません

Conditioning of Banach Space Valued Gaussian Random Variables: An Approximation Approach Based on Martingales

投稿日: 2024年4月5日 作成者: jarxiv

要約 本論文では、2つのバナッハ空間のガウス確率変数の条件付き分布について研究す … 続きを読む →

カテゴリー: cs.LG, math.PR, math.ST, stat.TH | Conditioning of Banach Space Valued Gaussian Random Variables: An Approximation Approach Based on Martingales はコメントを受け付けていません

Random Vector Functional Link Networks for Function Approximation on Manifolds

投稿日: 2024年3月31日 作成者: jarxiv

要約 フィードフォワード ニューラル ネットワークの学習速度は遅いことで悪名高く … 続きを読む →

カテゴリー: 62M45, cs.IT, cs.LG, math.IT, math.PR, stat.ML | Random Vector Functional Link Networks for Function Approximation on Manifolds はコメントを受け付けていません

Convergence of SGD for Training Neural Networks with Sliced Wasserstein Losses

投稿日: 2024年3月19日 作成者: jarxiv

要約 Optimal Transport は近年、特に確率尺度を比較する幾何学的 … 続きを読む →

カテゴリー: cs.LG, math.OC, math.PR | Convergence of SGD for Training Neural Networks with Sliced Wasserstein Losses はコメントを受け付けていません

Properties of Discrete Sliced Wasserstein Losses

投稿日: 2024年3月19日 作成者: jarxiv

要約 スライス ワッサーシュタイン (SW) 距離は、確率尺度を比較するためのワ … 続きを読む →

カテゴリー: cs.LG, math.OC, math.PR, stat.ML | Properties of Discrete Sliced Wasserstein Losses はコメントを受け付けていません

Multistatic-Radar RCS-Signature Recognition of Aerial Vehicles: A Bayesian Fusion Approach

投稿日: 2024年3月11日 作成者: jarxiv

要約 無人航空機 (UAV) のレーダー自動目標認識 (RATR) には、電磁波 … 続きを読む →

カテゴリー: cs.CV, cs.LG, eess.SP, math.PR, stat.ML | Multistatic-Radar RCS-Signature Recognition of Aerial Vehicles: A Bayesian Fusion Approach はコメントを受け付けていません

Polygonal Unadjusted Langevin Algorithms: Creating stable and efficient adaptive algorithms for neural networks

投稿日: 2024年3月5日 作成者: jarxiv

要約 我々は、ディープラーニングモデルの微調整に現在使用されている一般的な適応的 … 続きを読む →

カテゴリー: cs.LG, math.OC, math.PR, stat.ML | Polygonal Unadjusted Langevin Algorithms: Creating stable and efficient adaptive algorithms for neural networks はコメントを受け付けていません

Characterizing Graph Datasets for Node Classification: Homophily-Heterophily Dichotomy and Beyond

投稿日: 2024年3月5日 作成者: jarxiv

要約 同類性とは、エッジが類似したノードを接続する傾向を表すグラフ特性であり、そ … 続きを読む →

カテゴリー: cs.DM, cs.LG, cs.SI, math.PR | Characterizing Graph Datasets for Node Classification: Homophily-Heterophily Dichotomy and Beyond はコメントを受け付けていません

Global universal approximation of functional input maps on weighted spaces

投稿日: 2024年3月4日 作成者: jarxiv

要約 我々は、無限次元の可能性のある加重空間で定義され、無限次元の可能性のある出 … 続きを読む →

カテゴリー: 26A16, 26E20, 41A65, 41A81, 46E40, 60L10, 68T07, cs.LG, math.FA, math.PR, q-fin.MF, stat.ML | Global universal approximation of functional input maps on weighted spaces はコメントを受け付けていません

Zeroth-Order Sampling Methods for Non-Log-Concave Distributions: Alleviating Metastability by Denoising Diffusion

投稿日: 2024年3月1日 作成者: jarxiv

要約 この論文では、正規化されていない密度のクエリに基づいて、非対数凹分布からの … 続きを読む →

カテゴリー: cs.LG, math.PR, math.ST, stat.ME, stat.ML, stat.TH | Zeroth-Order Sampling Methods for Non-Log-Concave Distributions: Alleviating Metastability by Denoising Diffusion はコメントを受け付けていません