math.ST」カテゴリーアーカイブ

Modeling Latent Selection with Structural Causal Models

要約 選択バイアスは現実世界のデータに遍在しており、適切に対処しないと誤解を招く … 続きを読む

カテゴリー: cs.AI, cs.LG, math.ST, stat.ME, stat.ML, stat.TH | Modeling Latent Selection with Structural Causal Models はコメントを受け付けていません

Extended Fiducial Inference: Toward an Automated Process of Statistical Inference

要約 基準推論は R.A. 氏にとって大きな間違いであると広く考えられていました … 続きを読む

カテゴリー: cs.LG, math.ST, stat.ML, stat.TH | Extended Fiducial Inference: Toward an Automated Process of Statistical Inference はコメントを受け付けていません

When Does Bottom-up Beat Top-down in Hierarchical Community Detection?

要約 ネットワークの階層的クラスタリングは、コミュニティのツリーを見つけることで … 続きを読む

カテゴリー: cs.LG, cs.SI, math.ST, stat.ME, stat.ML, stat.TH | When Does Bottom-up Beat Top-down in Hierarchical Community Detection? はコメントを受け付けていません

Low dimensional representation of multi-patient flow cytometry datasets using optimal transport for minimal residual disease detection in leukemia

要約 血液と骨髄に影響を与えるがんの一種である急性骨髄性白血病 (AML) にお … 続きを読む

カテゴリー: cs.LG, math.ST, stat.ME, stat.ML, stat.TH | Low dimensional representation of multi-patient flow cytometry datasets using optimal transport for minimal residual disease detection in leukemia はコメントを受け付けていません

Efficient Unbiased Sparsification

要約 ベクトル $p\in \mathbb{R}^n$ の不偏 $m$ スパース … 続きを読む

カテゴリー: cs.IT, cs.LG, math.IT, math.ST, stat.TH | Efficient Unbiased Sparsification はコメントを受け付けていません

Minimax Optimality of Score-based Diffusion Models: Beyond the Density Lower Bound Assumptions

要約 ノンパラメトリック統計の観点から、大規模サンプルシナリオにおけるスコアベー … 続きを読む

カテゴリー: cs.LG, math.ST, stat.ML, stat.TH | Minimax Optimality of Score-based Diffusion Models: Beyond the Density Lower Bound Assumptions はコメントを受け付けていません

Aggregation of expert advice, revisited

要約 ナイーブ ベイズ設定としても知られる、条件付きで独立した専門家からのバイナ … 続きを読む

カテゴリー: cs.LG, math.PR, math.ST, stat.ML, stat.TH | Aggregation of expert advice, revisited はコメントを受け付けていません

A Simple and Optimal Policy Design with Safety against Heavy-Tailed Risk for Stochastic Bandits

要約 私たちは確率的マルチアームバンディット問題を研究し、予想されるリグアロング … 続きを読む

カテゴリー: cs.LG, math.ST, stat.ML, stat.TH | A Simple and Optimal Policy Design with Safety against Heavy-Tailed Risk for Stochastic Bandits はコメントを受け付けていません

Minimum discrepancy principle strategy for choosing $k$ in $k$-NN regression

要約 ホールドアウト データを使用せずに $k$-NN 回帰推定器のハイパーパラ … 続きを読む

カテゴリー: cs.LG, math.ST, stat.ML, stat.TH | Minimum discrepancy principle strategy for choosing $k$ in $k$-NN regression はコメントを受け付けていません

Characteristic Learning for Provable One Step Generation

要約 我々は、敵対的生成ネットワーク (GAN) におけるサンプリングの効率とフ … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.NA, math.NA, math.ST, stat.TH | Characteristic Learning for Provable One Step Generation はコメントを受け付けていません