「stat.CO」カテゴリーアーカイブ

Optical ISAC: Fundamental Performance Limits and Transceiver Design

投稿日: 2024年8月26日 作成者: jarxiv

要約 この論文では、通信用の単一入力単一出力とセンシング用の単一入力複数出力 ( … 続きを読む →

カテゴリー: cs.IT, cs.LG, math.IT, stat.AP, stat.CO | Optical ISAC: Fundamental Performance Limits and Transceiver Design はコメントを受け付けていません

skscope: Fast Sparsity-Constrained Optimization in Python

投稿日: 2024年8月23日 作成者: jarxiv

要約 スパース制約最適化 (SCO) に反復ソルバーを適用するには、退屈な数学的 … 続きを読む →

カテゴリー: cs.LG, stat.CO, stat.ML | skscope: Fast Sparsity-Constrained Optimization in Python はコメントを受け付けていません

Optical ISAC: Fundamental Performance Limits and Transceiver Design

投稿日: 2024年8月23日 作成者: jarxiv

要約 この論文では、通信用の単一入力単一出力とセンシング用の単一入力複数出力 ( … 続きを読む →

カテゴリー: cs.IT, cs.LG, math.IT, stat.AP, stat.CO | Optical ISAC: Fundamental Performance Limits and Transceiver Design はコメントを受け付けていません

Optical ISAC: Fundamental Performance Limits and Transceiver Design

投稿日: 2024年8月22日 作成者: jarxiv

要約 この論文では、通信用の単一入力単一出力とセンシング用の単一入力複数出力を備 … 続きを読む →

カテゴリー: cs.IT, cs.LG, math.IT, stat.AP, stat.CO | Optical ISAC: Fundamental Performance Limits and Transceiver Design はコメントを受け付けていません

Improved Random Features for Dot Product Kernels

投稿日: 2024年8月14日 作成者: jarxiv

要約 多項式カーネルや指数関数 (ソフトマックス) カーネルなどの内積カーネルは … 続きを読む →

カテゴリー: cs.LG, stat.CO, stat.ML | Improved Random Features for Dot Product Kernels はコメントを受け付けていません

$Φ$-DVAE: Physics-Informed Dynamical Variational Autoencoders for Unstructured Data Assimilation

投稿日: 2024年7月25日 作成者: jarxiv

要約 非構造化データを物理モデルに組み込むことは、データ同化において浮上している … 続きを読む →

カテゴリー: cs.LG, physics.comp-ph, stat.CO, stat.ML | $Φ$-DVAE: Physics-Informed Dynamical Variational Autoencoders for Unstructured Data Assimilation はコメントを受け付けていません

Interpretable Machine Learning for TabPFN

投稿日: 2024年7月24日 作成者: jarxiv

要約 最近開発された事前データ適合ネットワーク (PFN) は、低データ領域のア … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.CO, stat.ML | Interpretable Machine Learning for TabPFN はコメントを受け付けていません

Scalable Monte Carlo for Bayesian Learning

投稿日: 2024年7月18日 作成者: jarxiv

要約 この本の目的は、ベイズ計算のコンテキストで広く適用されるマルコフ連鎖モンテ … 続きを読む →

カテゴリー: cs.LG, stat.CO, stat.ME, stat.ML | Scalable Monte Carlo for Bayesian Learning はコメントを受け付けていません

Combining Wasserstein-1 and Wasserstein-2 proximals: robust manifold learning via well-posed generative flows

投稿日: 2024年7月17日 作成者: jarxiv

要約 $f$ダイバージェンスのWasserstein近接正則化を通じて低次元多様 … 続きを読む →

カテゴリー: cs.LG, stat.CO, stat.ME, stat.ML | Combining Wasserstein-1 and Wasserstein-2 proximals: robust manifold learning via well-posed generative flows はコメントを受け付けていません

How to beat a Bayesian adversary

投稿日: 2024年7月12日 作成者: jarxiv

要約 ディープ ニューラル ネットワークやその他の最新の機械学習モデルは、敵対的 … 続きを読む →

カテゴリー: 65C35, 68T07, 90C15, cs.LG, math.OC, stat.CO, stat.ML | How to beat a Bayesian adversary はコメントを受け付けていません