「stat.ML」カテゴリーアーカイブ

Policy Learning with Asymmetric Counterfactual Utilities

投稿日: 2023年11月29日 作成者: jarxiv

要約 データに基づいた意思決定は、医療や公共政策のような一か八かの場面でも重要な … 続きを読む →

カテゴリー: cs.LG, stat.ME, stat.ML | Policy Learning with Asymmetric Counterfactual Utilities はコメントを受け付けていません

Fantastic Generalization Measures are Nowhere to be Found

投稿日: 2023年11月29日 作成者: jarxiv

要約 私たちは、汎化限界が均一に狭いという概念を研究します。これは、すべての学習 … 続きを読む →

カテゴリー: cs.LG, cs.NE, stat.ML | Fantastic Generalization Measures are Nowhere to be Found はコメントを受け付けていません

Computational Hypergraph Discovery, a Gaussian Process framework for connecting the dots

投稿日: 2023年11月29日 作成者: jarxiv

要約 ほとんどの科学的課題は、関数近似の複雑さの次の 3 つのレベルのいずれかに … 続きを読む →

カテゴリー: 15A83, 46E22, 62A09, 62D20, 62H22, 62J02, 65S05, 68R10, 90C35, 94C15, cs.AI, cs.LG, cs.NA, cs.SI, math.NA, stat.ML | Computational Hypergraph Discovery, a Gaussian Process framework for connecting the dots はコメントを受け付けていません

Dimensionality Reduction and Wasserstein Stability for Kernel Regression

投稿日: 2023年11月28日 作成者: jarxiv

要約 高次元の回帰フレームワークでは、最初に入力変数の次元を削減し、次に削減され … 続きを読む →

カテゴリー: cs.LG, cs.NA, math.NA, math.ST, stat.ML, stat.TH | Dimensionality Reduction and Wasserstein Stability for Kernel Regression はコメントを受け付けていません

Maximum Likelihood Estimation is All You Need for Well-Specified Covariate Shift

投稿日: 2023年11月28日 作成者: jarxiv

要約 最新の機械学習システムの主な課題は、分布外 (OOD) 一般化、つまりソー … 続きを読む →

カテゴリー: cs.LG, math.ST, stat.ML, stat.TH | Maximum Likelihood Estimation is All You Need for Well-Specified Covariate Shift はコメントを受け付けていません

Asymptotic Bounds for Smoothness Parameter Estimates in Gaussian Process Interpolation

投稿日: 2023年11月28日 作成者: jarxiv

要約 コンピューター実験の出力などの決定論的応答関数を、マトリックス共分散カーネ … 続きを読む →

カテゴリー: cs.LG, math.ST, stat.ML, stat.TH | Asymptotic Bounds for Smoothness Parameter Estimates in Gaussian Process Interpolation はコメントを受け付けていません

Should We Learn Most Likely Functions or Parameters?

投稿日: 2023年11月28日 作成者: jarxiv

要約 標準的な正規化トレーニング手順は、最大事後 (MAP) 推定として知られる … 続きを読む →

カテゴリー: cs.LG, stat.ML | Should We Learn Most Likely Functions or Parameters? はコメントを受け付けていません

Closing the ODE-SDE gap in score-based diffusion models through the Fokker-Planck equation

投稿日: 2023年11月28日 作成者: jarxiv

要約 スコアベースの拡散モデルは、確率微分方程式 (SDE) や常微分方程式など … 続きを読む →

カテゴリー: cs.LG, cs.NA, math.NA, stat.ML | Closing the ODE-SDE gap in score-based diffusion models through the Fokker-Planck equation はコメントを受け付けていません

Optimal Approximation Rates for Deep ReLU Neural Networks on Sobolev and Besov Spaces

投稿日: 2023年11月28日 作成者: jarxiv

要約 $\Omega = [0,1]^d$ を $\mathbb{R}^d$ の … 続きを読む →

カテゴリー: 41A25, 41A46, 62M45, cs.LG, cs.NA, math.NA, stat.ML | Optimal Approximation Rates for Deep ReLU Neural Networks on Sobolev and Besov Spaces はコメントを受け付けていません

Deep Calibration of Market Simulations using Neural Density Estimators and Embedding Networks

投稿日: 2023年11月28日 作成者: jarxiv

要約 指値注文帳のダイナミクスの再現など、金融取引の現実的なシミュレーターを構築 … 続きを読む →

カテゴリー: cs.LG, q-fin.CP, stat.ML | Deep Calibration of Market Simulations using Neural Density Estimators and Embedding Networks はコメントを受け付けていません