stat.ML」カテゴリーアーカイブ

Counterfactual Generative Modeling with Variational Causal Inference

要約 介入の下で個人の反事実上の結果を推定することは、結果が高次元(遺伝子式、顔 … 続きを読む

カテゴリー: cs.AI, cs.LG, math.ST, stat.ML, stat.TH | Counterfactual Generative Modeling with Variational Causal Inference はコメントを受け付けていません

Standardizing Structural Causal Models

要約 構造因果モデル(SCM)によって生成された合成データセットは、一般的に因果 … 続きを読む

カテゴリー: cs.LG, stat.ML | Standardizing Structural Causal Models はコメントを受け付けていません

On Local Posterior Structure in Deep Ensembles

要約 ベイジアンニューラルネットワーク(BNN)は、最大A-Posteriori … 続きを読む

カテゴリー: cs.LG, stat.ML | On Local Posterior Structure in Deep Ensembles はコメントを受け付けていません

Do you understand epistemic uncertainty? Think again! Rigorous frequentist epistemic uncertainty estimation in regression

要約 モデルの不確実性を定量化することは、予測の信頼性を理解するために重要ですが … 続きを読む

カテゴリー: cs.LG, stat.ML | Do you understand epistemic uncertainty? Think again! Rigorous frequentist epistemic uncertainty estimation in regression はコメントを受け付けていません

Follow-the-Regularized-Leader with Adversarial Constraints

要約 制約されたオンライン凸最適化(COCO)は、標準のオンライン凸最適化(OC … 続きを読む

カテゴリー: cs.DS, cs.LG, math.OC, stat.ML | Follow-the-Regularized-Leader with Adversarial Constraints はコメントを受け付けていません

What Does It Mean to Be a Transformer? Insights from a Theoretical Hessian Analysis

要約 変圧器アーキテクチャは、間違いなく深い学習に革命をもたらし、多層パーセプト … 続きを読む

カテゴリー: cs.LG, stat.ML | What Does It Mean to Be a Transformer? Insights from a Theoretical Hessian Analysis はコメントを受け付けていません

Fed-Joint: Joint Modeling of Nonlinear Degradation Signals and Failure Events for Remaining Useful Life Prediction using Federated Learning

要約 機械の多くの故障メカニズムは、条件監視(CM)信号の動作と密接に関連してい … 続きを読む

カテゴリー: cs.AI, cs.LG, stat.ML | Fed-Joint: Joint Modeling of Nonlinear Degradation Signals and Failure Events for Remaining Useful Life Prediction using Federated Learning はコメントを受け付けていません

FlowKac: An Efficient Neural Fokker-Planck solver using Temporal Normalizing flows and the Feynman Kac-Formula

要約 高次元の複雑な動的システムのFokker-Planck方程式を解決すること … 続きを読む

カテゴリー: cs.LG, math.DS, stat.ML | FlowKac: An Efficient Neural Fokker-Planck solver using Temporal Normalizing flows and the Feynman Kac-Formula はコメントを受け付けていません

Reinforcement Learning with Verifiable Rewards: GRPO’s Effective Loss, Dynamics, and Success Amplification

要約 グループ相対ポリシー最適化(GRPO)が導入され、検証可能またはバイナリ報 … 続きを読む

カテゴリー: cs.LG, stat.ML | Reinforcement Learning with Verifiable Rewards: GRPO’s Effective Loss, Dynamics, and Success Amplification はコメントを受け付けていません

Non-asymptotic Analysis of Biased Adaptive Stochastic Approximation

要約 適応ステップを使用した確率勾配降下(SGD)は、深いニューラルネットワーク … 続きを読む

カテゴリー: cs.LG, stat.ML | Non-asymptotic Analysis of Biased Adaptive Stochastic Approximation はコメントを受け付けていません