「stat.CO」カテゴリーアーカイブ

Temperature Optimization for Bayesian Deep Learning

投稿日: 2025年6月12日 作成者: jarxiv

要約 寒冷後効果（CPE）は、ベイジアンディープラーニング（BDL）の現象であり … 続きを読む →

カテゴリー: cs.LG, stat.CO, stat.ME, stat.ML | コメントする

SMRS: advocating a unified reporting standard for surrogate models in the artificial intelligence era

投稿日: 2025年6月10日 作成者: jarxiv

要約 代理モデルは、科学と工学全体で複雑なシステムを近似して計算コストを削減する … 続きを読む →

カテゴリー: cs.LG, stat.CO | コメントする

Antithetic Noise in Diffusion Models

投稿日: 2025年6月9日 作成者: jarxiv

要約 拡散モデルにおけるアンチテーテス初期ノイズの体系的な研究を開始します。 多 … 続きを読む →

カテゴリー: cs.LG, cs.NA, math.NA, stat.CO, stat.ML | コメントする

fairmetrics: An R package for group fairness evaluation

投稿日: 2025年6月9日 作成者: jarxiv

要約 公平性は、モデルが特定のグループ、特に人種、性別、年齢などの保護された属性 … 続きを読む →

カテゴリー: cs.LG, G.3, stat.CO, stat.ML | コメントする

N$^2$: A Unified Python Package and Test Bench for Nearest Neighbor-Based Matrix Completion

投稿日: 2025年6月5日 作成者: jarxiv

要約 最近傍（NN）メソッドは、マトリックスの完了のための競争ツールとして再現さ … 続きを読む →

カテゴリー: cs.LG, stat.CO, stat.ML | N$^2$: A Unified Python Package and Test Bench for Nearest Neighbor-Based Matrix Completion はコメントを受け付けていません

Unifying and extending Diffusion Models through PDEs for solving Inverse Problems

投稿日: 2025年6月4日 作成者: jarxiv

要約 拡散モデルは、コンピュータビジョンや科学的機械学習(SciML)に応用され … 続きを読む →

カテゴリー: cs.LG, stat.CO, stat.ML | Unifying and extending Diffusion Models through PDEs for solving Inverse Problems はコメントを受け付けていません

Statistical Taylor Expansion

投稿日: 2025年6月3日 作成者: jarxiv

要約 統計的テイラー拡張は、従来のテイラー拡張の入力正確な変数を、それぞれ既知の … 続きを読む →

カテゴリー: 65G99, cs.LG, G.3.2, stat.CO | Statistical Taylor Expansion はコメントを受け付けていません

Annealing Flow Generative Models Towards Sampling High-Dimensional and Multi-Modal Distributions

投稿日: 2025年5月28日 作成者: jarxiv

要約 高次元のマルチモーダル分布からのサンプリングは、統計的なベイジアン推論や物 … 続きを読む →

カテゴリー: cs.LG, stat.CO, stat.ML | Annealing Flow Generative Models Towards Sampling High-Dimensional and Multi-Modal Distributions はコメントを受け付けていません

Balancing Interference and Correlation in Spatial Experimental Designs: A Causal Graph Cut Approach

投稿日: 2025年5月27日 作成者: jarxiv

要約 このホワイトペーパーでは、実験データから得られた情報の量を最適化し、結果と … 続きを読む →

カテゴリー: cs.LG, stat.CO, stat.ML | Balancing Interference and Correlation in Spatial Experimental Designs: A Causal Graph Cut Approach はコメントを受け付けていません

Nesterov Acceleration for Ensemble Kalman Inversion and Variants

投稿日: 2025年5月20日 作成者: jarxiv

要約 アンサンブルKalman Inversion（EKI）は、逆の問題を解決す … 続きを読む →

カテゴリー: cs.LG, math.OC, stat.CO | Nesterov Acceleration for Ensemble Kalman Inversion and Variants はコメントを受け付けていません