「math.ST」カテゴリーアーカイブ

Distribution-Free Matrix Prediction Under Arbitrary Missing Pattern

投稿日: 2023年5月22日 作成者: jarxiv

要約 この論文では、行/列交換可能な行列における等角化されたエントリ予測の未解決 … 続きを読む →

カテゴリー: cs.LG, math.ST, stat.ME, stat.ML, stat.TH | Distribution-Free Matrix Prediction Under Arbitrary Missing Pattern はコメントを受け付けていません

The probability flow ODE is provably fast

投稿日: 2023年5月22日 作成者: jarxiv

要約 スコアベースの生成モデリングの確率フロー ODE 実装 (補正ステップとと … 続きを読む →

カテゴリー: cs.LG, math.ST, stat.ML, stat.TH | The probability flow ODE is provably fast はコメントを受け付けていません

Sparse joint shift in multinomial classification

投稿日: 2023年5月19日 作成者: jarxiv

要約 スパース ジョイント シフト (SJS) は、特徴とラベルの周辺分布、事後 … 続きを読む →

カテゴリー: 62G05, 68T10, cs.LG, G.3, math.ST, stat.ML, stat.TH | Sparse joint shift in multinomial classification はコメントを受け付けていません

The noise level in linear regression with dependent data

投稿日: 2023年5月19日 作成者: jarxiv

要約 実現可能性の仮定が存在しない依存 ($\beta$-mixing) データ … 続きを読む →

カテゴリー: cs.LG, math.ST, stat.ML, stat.TH | The noise level in linear regression with dependent data はコメントを受け付けていません

Reward-agnostic Fine-tuning: Provable Statistical Benefits of Hybrid Reinforcement Learning

投稿日: 2023年5月18日 作成者: jarxiv

要約 この論文では、オフライン データセットへのアクセスと未知の環境とのオンライ … 続きを読む →

カテゴリー: cs.IT, cs.LG, math.IT, math.ST, stat.ML, stat.TH | Reward-agnostic Fine-tuning: Provable Statistical Benefits of Hybrid Reinforcement Learning はコメントを受け付けていません

Asymptotics of Network Embeddings Learned via Subsampling

投稿日: 2023年5月18日 作成者: jarxiv

要約 ネットワーク データは最新の機械学習において遍在しており、ノード分類、ノー … 続きを読む →

カテゴリー: cs.LG, math.ST, stat.ML, stat.TH | Asymptotics of Network Embeddings Learned via Subsampling はコメントを受け付けていません

On Consistency of Signatures Using Lasso

投稿日: 2023年5月18日 作成者: jarxiv

要約 シグネチャ変換は、連続および離散時系列データの反復パス積分であり、その普遍 … 続きを読む →

カテゴリー: cs.LG, math.ST, stat.AP, stat.ML, stat.TH | On Consistency of Signatures Using Lasso はコメントを受け付けていません

Leveraging Demonstrations to Improve Online Learning: Quality Matters

投稿日: 2023年5月18日 作成者: jarxiv

要約 私たちは、オフラインのデモンストレーション データがオンライン学習をどの程 … 続きを読む →

カテゴリー: cs.LG, math.ST, stat.ML, stat.TH | Leveraging Demonstrations to Improve Online Learning: Quality Matters はコメントを受け付けていません

Leveraging Demonstrations to Improve Online Learning: Quality Matters

投稿日: 2023年5月17日 作成者: jarxiv

要約 私たちは、オフラインのデモンストレーション データがオンライン学習をどの程 … 続きを読む →

カテゴリー: cs.LG, math.ST, stat.ML, stat.TH | Leveraging Demonstrations to Improve Online Learning: Quality Matters はコメントを受け付けていません

Classification of Superstatistical Features in High Dimensions

投稿日: 2023年5月17日 作成者: jarxiv

要約 一般的な凸損失と凸正則化の仮定の下、高次元領域における経験的リスク最小化に … 続きを読む →

カテゴリー: cond-mat.dis-nn, cs.LG, math.ST, stat.ML, stat.TH | Classification of Superstatistical Features in High Dimensions はコメントを受け付けていません