stat.ME」カテゴリーアーカイブ

Linear Multidimensional Regression with Interactive Fixed-Effects

要約 このペーパーでは、観察されていないインタラクティブな固定効果を備えた3つ以 … 続きを読む

カテゴリー: cs.LG, econ.EM, stat.ME | Linear Multidimensional Regression with Interactive Fixed-Effects はコメントを受け付けていません

Unsupervised Attributed Dynamic Network Embedding with Stability Guarantees

要約 動的ネットワーク埋め込みの安定性により、異なる時間に同じように動作するノー … 続きを読む

カテゴリー: cs.LG, stat.ME, stat.ML | Unsupervised Attributed Dynamic Network Embedding with Stability Guarantees はコメントを受け付けていません

Seeded Poisson Factorization: Leveraging domain knowledge to fit topic models

要約 トピックモデルは、大規模なテキストコーパで潜在的なテーマ構造を発見するため … 続きを読む

カテゴリー: cs.CL, cs.LG, econ.GN, q-fin.EC, stat.ME | Seeded Poisson Factorization: Leveraging domain knowledge to fit topic models はコメントを受け付けていません

A Meta-Learning Approach to Bayesian Causal Discovery

要約 固有の同定可能性の問題と、有限なデータの結果の両方により、一意的な因果構造 … 続きを読む

カテゴリー: cs.LG, stat.ME, stat.ML | A Meta-Learning Approach to Bayesian Causal Discovery はコメントを受け付けていません

Multiple Linked Tensor Factorization

要約 生物医学研究およびその他の分野では、マルチソースとマルチウェイの両方である … 続きを読む

カテゴリー: cs.LG, stat.CO, stat.ME, stat.ML | Multiple Linked Tensor Factorization はコメントを受け付けていません

Compactly-supported nonstationary kernels for computing exact Gaussian processes on big data

要約 ガウスプロセス(GP)は、確率的関数近似、確率モデリング、および非線形プロ … 続きを読む

カテゴリー: cs.LG, stat.AP, stat.CO, stat.ME, stat.ML | Compactly-supported nonstationary kernels for computing exact Gaussian processes on big data はコメントを受け付けていません

Stronger Neyman Regret Guarantees for Adaptive Experimental Design

要約 設計ベースの潜在的な結果設定における、偏りのない平均治療効果(ATE)推定 … 続きを読む

カテゴリー: cs.LG, math.ST, stat.ME, stat.ML, stat.TH | Stronger Neyman Regret Guarantees for Adaptive Experimental Design はコメントを受け付けていません

Causal Temporal Regime Structure Learning

要約 経済学、神経科学、気候科学などの分野の動的システムを予測および制御するため … 続きを読む

カテゴリー: cs.AI, cs.LG, stat.ME | Causal Temporal Regime Structure Learning はコメントを受け付けていません

Invariant Subspace Decomposition

要約 Xが与えられたXの条件付き分布が時間の経過とともに変化する設定で、共変量X … 続きを読む

カテゴリー: cs.LG, math.ST, stat.ME, stat.ML, stat.TH | Invariant Subspace Decomposition はコメントを受け付けていません

Low-Rank Thinning

要約 薄くなる目標は、小さなポイントの小さなセットを使用してデータセットを要約す … 続きを読む

カテゴリー: cs.LG, math.OC, math.ST, stat.ME, stat.ML, stat.TH | Low-Rank Thinning はコメントを受け付けていません