「stat.CO」カテゴリーアーカイブ

PyVBMC: Efficient Bayesian inference in Python

投稿日: 2023年3月17日 作成者: jarxiv

要約 PyVBMC は、ブラック ボックス計算モデルの事後およびモデル推論のため … 続きを読む →

カテゴリー: cs.LG, stat.CO, stat.ME, stat.ML | PyVBMC: Efficient Bayesian inference in Python はコメントを受け付けていません

Adversarial random forests for density estimation and generative modeling

投稿日: 2023年3月14日 作成者: jarxiv

要約 新しい形式の教師なしランダム フォレストを使用した密度推定とデータ合成の方 … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.CO, stat.ML | Adversarial random forests for density estimation and generative modeling はコメントを受け付けていません

Fast post-process Bayesian inference with Sparse Variational Bayesian Monte Carlo

投稿日: 2023年3月10日 作成者: jarxiv

要約 Sparse Variational Bayesian Monte Car … 続きを読む →

カテゴリー: cs.LG, stat.CO, stat.ME, stat.ML | Fast post-process Bayesian inference with Sparse Variational Bayesian Monte Carlo はコメントを受け付けていません

Convergence Rates for Non-Log-Concave Sampling and Log-Partition Estimation

投稿日: 2023年3月7日 作成者: jarxiv

要約 ギブス分布 $p(x) ︓exp(-V(x)/varepsilon)$ か … 続きを読む →

カテゴリー: cs.LG, math.ST, stat.CO, stat.ML, stat.TH | Convergence Rates for Non-Log-Concave Sampling and Log-Partition Estimation はコメントを受け付けていません

Comparison of machine learning algorithms for merging gridded satellite and earth-observed precipitation data

投稿日: 2023年3月6日 作成者: jarxiv

要約 衛星降水量のグリッドデータは、広い地域を高密度にカバーしているため、水文学 … 続きを読む →

カテゴリー: cs.LG, physics.ao-ph, stat.AP, stat.CO, stat.ME | Comparison of machine learning algorithms for merging gridded satellite and earth-observed precipitation data はコメントを受け付けていません

Comparison of tree-based ensemble algorithms for merging satellite and earth-observed precipitation data at the daily time scale

投稿日: 2023年3月6日 作成者: jarxiv

要約 衛星降水観測データと地上観測データを統合することは、広い地域を同時に高密度 … 続きを読む →

カテゴリー: cs.LG, stat.AP, stat.CO, stat.ME | Comparison of tree-based ensemble algorithms for merging satellite and earth-observed precipitation data at the daily time scale はコメントを受け付けていません

Don’t fear the unlabelled: safe semi-supervised learning via simple debiasing

投稿日: 2023年3月6日 作成者: jarxiv

要約 半教師付き学習(SSL)は、ラベルのないデータを活用してモデルの性能を向上 … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.CO, stat.ME, stat.ML | Don’t fear the unlabelled: safe semi-supervised learning via simple debiasing はコメントを受け付けていません

Modern Bayesian Experimental Design

投稿日: 2023年3月1日 作成者: jarxiv

要約 ベイジアン実験計画 (BED) は、実験計画を最適化するための強力で一般的 … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.CO, stat.ML | Modern Bayesian Experimental Design はコメントを受け付けていません

CO-BED: Information-Theoretic Contextual Optimization via Bayesian Experimental Design

投稿日: 2023年2月28日 作成者: jarxiv

要約 ベイジアン実験計画のレンズを通してコンテキスト最適化の問題を形式化し、情報 … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.CO, stat.ML | CO-BED: Information-Theoretic Contextual Optimization via Bayesian Experimental Design はコメントを受け付けていません

Forward variable selection enables fast and accurate dynamic system identification with Karhunen-Loève decomposed Gaussian processes

投稿日: 2023年2月24日 作成者: jarxiv

要約 スケーラブルなガウス過程 (GP) の有望なアプローチは、Karhunen … 続きを読む →

カテゴリー: cs.LG, math.DS, stat.CO, stat.ML | Forward variable selection enables fast and accurate dynamic system identification with Karhunen-Loève decomposed Gaussian processes はコメントを受け付けていません