「stat.ME」カテゴリーアーカイブ

Bayesian optimization for sparse neural networks with trainable activation functions

投稿日: 2023年4月11日 作成者: jarxiv

要約 タイトル：トレーニング可能な活性化関数を持つ疎なニューラルネットワークのベ … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.ME | Bayesian optimization for sparse neural networks with trainable activation functions はコメントを受け付けていません

Linking a predictive model to causal effect estimation

投稿日: 2023年4月11日 作成者: jarxiv

要約 タイトル：予測モデルと因果効果推定のリンク 要約： – 予測モ … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.ME | Linking a predictive model to causal effect estimation はコメントを受け付けていません

Variable-Complexity Weighted-Tempered Gibbs Samplers for Bayesian Variable Selection

投稿日: 2023年4月7日 作成者: jarxiv

要約 タイトル：ベイズ変数選択のための可変複雑度重み付きテンパード・ギブス・サン … 続きを読む →

カテゴリー: cs.LG, stat.CO, stat.ME, stat.ML | Variable-Complexity Weighted-Tempered Gibbs Samplers for Bayesian Variable Selection はコメントを受け付けていません

Adaptive Student’s t-distribution with method of moments moving estimator for nonstationary time series

投稿日: 2023年4月7日 作成者: jarxiv

要約 タイトル：移動式推定法と適応型スチューデントt分布を用いた非定常時系列解析 … 続きを読む →

カテゴリー: cs.LG, econ.EM, stat.ME, stat.ML | Adaptive Student’s t-distribution with method of moments moving estimator for nonstationary time series はコメントを受け付けていません

Bayesian Model Selection of Lithium-Ion Battery Models via Bayesian Quadrature

投稿日: 2023年4月6日 作成者: jarxiv

要約 タイトル： ベイズ区分を用いたリチウムイオン電池モデルのベイズモデル選択 … 続きを読む →

カテゴリー: 62C10, 62F15, cs.LG, cs.SY, eess.SY, physics.chem-ph, stat.ME | Bayesian Model Selection of Lithium-Ion Battery Models via Bayesian Quadrature はコメントを受け付けていません

A step towards the applicability of algorithms based on invariant causal learning on observational data

投稿日: 2023年4月6日 作成者: jarxiv

要約 タイトル：因果学習に基づくアルゴリズムの観測データへの応用に向けての一歩 … 続きを読む →

カテゴリー: cs.LG, stat.ME | A step towards the applicability of algorithms based on invariant causal learning on observational data はコメントを受け付けていません

Geometric constraints improve inference of sparsely observed stochastic dynamics

投稿日: 2023年4月5日 作成者: jarxiv

要約 タイトル：幾何学的制約は希薄に観測された確率的な動力学の推論を改善する 要 … 続きを読む →

カテゴリー: 35B42, 37H05, 37M21, 82C99, 93E10, 93E12, 93E20, cond-mat.stat-mech, cs.LG, G.3, math.DS, physics.data-an, stat.ME | Geometric constraints improve inference of sparsely observed stochastic dynamics はコメントを受け付けていません

Iterated Block Particle Filter for High-dimensional Parameter Learning: Beating the Curse of Dimensionality

投稿日: 2023年4月5日 作成者: jarxiv

要約 タイトル：高次元パラメータ学習のための繰り返しブロック粒子フィルター：次元 … 続きを読む →

カテゴリー: cs.LG, math.ST, stat.AP, stat.CO, stat.ME, stat.ML, stat.TH | Iterated Block Particle Filter for High-dimensional Parameter Learning: Beating the Curse of Dimensionality はコメントを受け付けていません

What is the state of the art? Accounting for multiplicity in machine learning benchmark performance

投稿日: 2023年4月4日 作成者: jarxiv

要約 タイトル：機械学習ベンチマークにおける多重性の考慮：最先端の状況は何か？ … 続きを読む →

カテゴリー: cs.LG, stat.ME | What is the state of the art? Accounting for multiplicity in machine learning benchmark performance はコメントを受け付けていません

Never a Dull Moment: Distributional Properties as a Baseline for Time-Series Classification

投稿日: 2023年4月3日 作成者: jarxiv

要約 タイトル：時間系列分類の基準としての分布特性　Never a Dull M … 続きを読む →

カテゴリー: cs.LG, stat.AP, stat.ME, stat.ML | Never a Dull Moment: Distributional Properties as a Baseline for Time-Series Classification はコメントを受け付けていません