stat.ML」カテゴリーアーカイブ

Minimizing Structural Vibrations via Guided Flow Matching Design Optimization

要約 構造振動は、自動車、列車、飛行機などのエンジニアリングシステムにおける望ま … 続きを読む

カテゴリー: cs.CE, cs.LG, cs.RO, math.OC, stat.ML | Minimizing Structural Vibrations via Guided Flow Matching Design Optimization はコメントを受け付けていません

Time-dependent density estimation using binary classifiers

要約 初期確率密度がわかっており、評価できると仮定して、サンプルパスからの多変量 … 続きを読む

カテゴリー: cs.LG, stat.ML | Time-dependent density estimation using binary classifiers はコメントを受け付けていません

A Simplified Analysis of SGD for Linear Regression with Weight Averaging

要約 理論的には、オーバーパラメーター化されたモデルで確率的勾配降下(SGD)を … 続きを読む

カテゴリー: cs.LG, math.OC, stat.ML | A Simplified Analysis of SGD for Linear Regression with Weight Averaging はコメントを受け付けていません

GL-LowPopArt: A Nearly Instance-Wise Minimax-Optimal Estimator for Generalized Low-Rank Trace Regression

要約 一般化された低ランク微量回帰のための新しいカトーニスタイルの推定器である「 … 続きを読む

カテゴリー: cs.LG, stat.ML | GL-LowPopArt: A Nearly Instance-Wise Minimax-Optimal Estimator for Generalized Low-Rank Trace Regression はコメントを受け付けていません

Near-Optimal Clustering in Mixture of Markov Chains

要約 長さ$ h $の$ t $軌道をクラスタリングする問題を研究します。それぞ … 続きを読む

カテゴリー: cs.IT, cs.LG, math.IT, math.PR, stat.ML | Near-Optimal Clustering in Mixture of Markov Chains はコメントを受け付けていません

Revisiting Randomization in Greedy Model Search

要約 ランダムフォレストなどのアンサンブルでランダム化された推定器を組み合わせる … 続きを読む

カテゴリー: cs.LG, stat.ML | Revisiting Randomization in Greedy Model Search はコメントを受け付けていません

Fractured Chain-of-Thought Reasoning

要約 推論時間スケーリング手法は、再訓練なしで推論で追加の計算努力を活用すること … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG, stat.ML | Fractured Chain-of-Thought Reasoning はコメントを受け付けていません

Uniform Mean Estimation for Heavy-Tailed Distributions via Median-of-Means

要約 平均の中央値(MOM)は、尾のあるデータのコンテキストで人気を獲得した平均 … 続きを読む

カテゴリー: cs.LG, stat.ML | Uniform Mean Estimation for Heavy-Tailed Distributions via Median-of-Means はコメントを受け付けていません

No-Regret Learning Under Adversarial Resource Constraints: A Spending Plan Is All You Need!

要約 私たちは、リソースの制約の下でオンラインの意思決定の問題を研究しています。 … 続きを読む

カテゴリー: cs.AI, cs.LG, stat.ML | No-Regret Learning Under Adversarial Resource Constraints: A Spending Plan Is All You Need! 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