stat.ML」カテゴリーアーカイブ

Autoencoding Random Forests

要約 ランダムフォレストを使用した自動エンコードの原則的な方法を提案します。 私 … 続きを読む

カテゴリー: cs.AI, cs.LG, stat.ML | コメントする

Linear Bandits with Non-i.i.d. Noise

要約 線形確率的盗賊問題を研究し、標準的なi.i.d.をリラックスさせます。 観 … 続きを読む

カテゴリー: cs.LG, stat.ML | コメントする

Position: Solve Layerwise Linear Models First to Understand Neural Dynamical Phenomena (Neural Collapse, Emergence, Lazy/Rich Regime, and Grokking)

要約 物理学では、複雑なシステムは、コア原理のみを保持する最小限の溶媒産モデルに … 続きを読む

カテゴリー: cs.LG, physics.data-an, stat.ML | コメントする

Regret Analysis of Average-Reward Unichain MDPs via an Actor-Critic Approach

要約 俳優の批判的な方法は、そのスケーラビリティに広く使用されていますが、無限帯 … 続きを読む

カテゴリー: cs.LG, stat.ML | コメントする

TabPFN: One Model to Rule Them All?

要約 Hollmann et al。 (Nature 637(2025)319- … 続きを読む

カテゴリー: cs.LG, stat.ML | コメントする

Prediction-Powered E-Values

要約 品質の統計的推論には、十分な量のデータが必要であり、取得が不足しているか、 … 続きを読む

カテゴリー: cs.LG, stat.ME, stat.ML | コメントする

Linear Bandits with Non-i.i.d. Noise

要約 線形確率的盗賊問題を研究し、標準的なi.i.d.をリラックスさせます。 観 … 続きを読む

カテゴリー: cs.LG, stat.ML | コメントする

Balancing Interference and Correlation in Spatial Experimental Designs: A Causal Graph Cut Approach

要約 このホワイトペーパーでは、実験データから得られた情報の量を最適化し、結果と … 続きを読む

カテゴリー: cs.LG, stat.CO, stat.ML | コメントする

InfoBridge: Mutual Information estimation via Bridge Matching

要約 拡散ブリッジモデルは最近、生成モデリングの分野で強力なツールになりました。 … 続きを読む

カテゴリー: cs.LG, stat.ML | コメントする

A Theoretical Framework for Grokking: Interpolation followed by Riemannian Norm Minimisation

要約 一般的なトレーニングの損失に小さな重量減衰を伴う勾配流のダイナミクスを研究 … 続きを読む

カテゴリー: cs.LG, math.OC, stat.ML | コメントする