「stat.ME」カテゴリーアーカイブ

Autoencoded sparse Bayesian in-IRT factorization, calibration, and amortized inference for the Work Disability Functional Assessment Battery

投稿日: 2023年2月27日 作成者: jarxiv

要約 作業障害機能評価バッテリー (WD-FAB) は、項目バンクへの応答に基づ … 続きを読む →

カテゴリー: cs.LG, stat.AP, stat.ME | Autoencoded sparse Bayesian in-IRT factorization, calibration, and amortized inference for the Work Disability Functional Assessment Battery はコメントを受け付けていません

Robust and Agnostic Learning of Conditional Distributional Treatment Effects

投稿日: 2023年2月27日 作成者: jarxiv

要約 条件付き平均治療効果 (CATE) は、ベースライン共変量が与えられた個々 … 続きを読む →

カテゴリー: cs.LG, econ.EM, stat.ME, stat.ML | Robust and Agnostic Learning of Conditional Distributional Treatment Effects はコメントを受け付けていません

Trust Your $\nabla$: Gradient-based Intervention Targeting for Causal Discovery

投稿日: 2023年2月27日 作成者: jarxiv

要約 データから因果構造を推測することは、科学において根本的に重要な挑戦的なタス … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.ME, stat.ML | Trust Your $\nabla$: Gradient-based Intervention Targeting for Causal Discovery はコメントを受け付けていません

BaCaDI: Bayesian Causal Discovery with Unknown Interventions

投稿日: 2023年2月24日 作成者: jarxiv

要約 実験から因果構造を推測することは、多くの分野で中心的なタスクです。 たとえ … 続きを読む →

カテゴリー: cs.LG, stat.ME, stat.ML | BaCaDI: Bayesian Causal Discovery with Unknown Interventions はコメントを受け付けていません

The DeepCAR Method: Forecasting Time-Series Data That Have Change Points

投稿日: 2023年2月23日 作成者: jarxiv

要約 時系列予測の多くの方法は、自己回帰、移動平均、指数平滑法などの古典的な統計 … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.ME | The DeepCAR Method: Forecasting Time-Series Data That Have Change Points はコメントを受け付けていません

Understanding new tasks through the lens of training data via exponential tilting

投稿日: 2023年2月22日 作成者: jarxiv

要約 最新のトレーニング データセットのサイズが大きいにもかかわらず、機械学習モ … 続きを読む →

カテゴリー: cs.LG, stat.ME, stat.ML | Understanding new tasks through the lens of training data via exponential tilting はコメントを受け付けていません

A Statistically-Based Approach to Feedforward Neural Network Model Selection

投稿日: 2023年2月22日 作成者: jarxiv

要約 フィードフォワード ニューラル ネットワーク (FNN) は、加重合計と非 … 続きを読む →

カテゴリー: 62J02, 68T07, cs.LG, stat.ME | A Statistically-Based Approach to Feedforward Neural Network Model Selection はコメントを受け付けていません

Differentiable Multi-Target Causal Bayesian Experimental Design

投稿日: 2023年2月22日 作成者: jarxiv

要約 バッチ設定で因果モデルを学習するためのベイジアン最適実験計画の問題に対する … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.ME | Differentiable Multi-Target Causal Bayesian Experimental Design はコメントを受け付けていません

Pseudo-labeling for Kernel Ridge Regression under Covariate Shift

投稿日: 2023年2月21日 作成者: jarxiv

要約 共変量シフト下でのカーネルリッジ回帰への原則的なアプローチを開発および分析 … 続きを読む →

カテゴリー: 62G05, 62J07, cs.LG, math.ST, stat.ME, stat.ML, stat.TH | Pseudo-labeling for Kernel Ridge Regression under Covariate Shift はコメントを受け付けていません

Approximate Bayes Optimal Pseudo-Label Selection

投稿日: 2023年2月21日 作成者: jarxiv

要約 自己訓練による半教師あり学習は、疑似ラベル選択 (PLS) に大きく依存し … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.ME, stat.ML | Approximate Bayes Optimal Pseudo-Label Selection はコメントを受け付けていません