stat.ML」カテゴリーアーカイブ

Time-series Generation by Contrastive Imitation

要約 時系列データの生成モデルを学習することを検討してください。 シーケンシャル … 続きを読む

カテゴリー: cs.LG, stat.ML | Time-series Generation by Contrastive Imitation はコメントを受け付けていません

Manifold-augmented Eikonal Equations: Geodesic Distances and Flows on Differentiable Manifolds

要約 機械学習モデルによって発見された多様体は、基礎となるデータのコンパクトな表 … 続きを読む

カテゴリー: cs.CG, cs.LG, stat.ML | Manifold-augmented Eikonal Equations: Geodesic Distances and Flows on Differentiable Manifolds はコメントを受け付けていません

A Coreset-based, Tempered Variational Posterior for Accurate and Scalable Stochastic Gaussian Process Inference

要約 我々は、重み付けされた擬似入出力点 (コアセット) の学習可能なセットに対 … 続きを読む

カテゴリー: cs.LG, stat.ML | A Coreset-based, Tempered Variational Posterior for Accurate and Scalable Stochastic Gaussian Process Inference はコメントを受け付けていません

On Learning Gaussian Multi-index Models with Gradient Flow

要約 高次元ガウスデータの多指数回帰問題における勾配流を研究します。 マルチイン … 続きを読む

カテゴリー: cs.LG, math.OC, stat.ML | On Learning Gaussian Multi-index Models with Gradient Flow はコメントを受け付けていません

Contrastive Moments: Unsupervised Halfspace Learning in Polynomial Time

要約 アンビエント分布が(未知の)対称関数の$d$倍積の未知のアフィン変換である … 続きを読む

カテゴリー: cs.LG, math.PR, stat.ML | Contrastive Moments: Unsupervised Halfspace Learning in Polynomial Time はコメントを受け付けていません

PPI++: Efficient Prediction-Powered Inference

要約 私たちは PPI++ を紹介します。PPI++ は、小さなラベル付きデータ … 続きを読む

カテゴリー: cs.LG, stat.ME, stat.ML | PPI++: Efficient Prediction-Powered Inference はコメントを受け付けていません

Inversion of Bayesian Networks

要約 変分オートエンコーダとヘルムホルツ マシンは、認識ネットワーク (エンコー … 続きを読む

カテゴリー: cs.AI, cs.LG, stat.ML | Inversion of Bayesian Networks はコメントを受け付けていません

Tailoring Mixup to Data using Kernel Warping functions

要約 データ拡張は、効率的な深層学習モデルを学習するために不可欠な構成要素です。 … 続きを読む

カテゴリー: cs.AI, cs.LG, stat.ML | Tailoring Mixup to Data using Kernel Warping functions はコメントを受け付けていません

Unified Enhancement of Privacy Bounds for Mixture Mechanisms via $f$-Differential Privacy

要約 差分プライベート (DP) 機械学習アルゴリズムでは、ランダムな初期化、ラ … 続きを読む

カテゴリー: cs.CR, cs.LG, math.ST, stat.ME, stat.ML, stat.TH | Unified Enhancement of Privacy Bounds for Mixture Mechanisms via $f$-Differential Privacy はコメントを受け付けていません

Online Student-$t$ Processes with an Overall-local Scale Structure for Modelling Non-stationary Data

要約 時間依存データは、非定常性や裾の重い誤差などの特性を示すことが多く、一般的 … 続きを読む

カテゴリー: 62F15, cs.LG, stat.ML | Online Student-$t$ Processes with an Overall-local Scale Structure for Modelling Non-stationary Data はコメントを受け付けていません