「stat.ML」カテゴリーアーカイブ

Diffusion-aware Censored Gaussian Processes for Demand Modelling

投稿日: 2025年1月22日 作成者: jarxiv

要約 集計データから製品やサービスの真の需要を推測することは、利用可能な供給が限 … 続きを読む →

カテゴリー: cs.LG, stat.ME, stat.ML | Diffusion-aware Censored Gaussian Processes for Demand Modelling はコメントを受け付けていません

The Choice of Normalization Influences Shrinkage in Regularized Regression

投稿日: 2025年1月22日 作成者: jarxiv

要約 正規化されたモデルはデータ内の特徴のスケールに敏感であることが多いため、モ … 続きを読む →

カテゴリー: (Primary), 68T09, cs.LG, G.3, stat.ME, stat.ML | The Choice of Normalization Influences Shrinkage in Regularized Regression はコメントを受け付けていません

Generative Topological Networks

投稿日: 2025年1月22日 作成者: jarxiv

要約 生成手法は最近、データの低次元の潜在表現を生成することにより大幅な改善が見 … 続きを読む →

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

Test-time regression: a unifying framework for designing sequence models with associative memory

投稿日: 2025年1月22日 作成者: jarxiv

要約 シーケンスは、情報を表現および処理するための非常に一般的な方法を提供します … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.NE, stat.ML | Test-time regression: a unifying framework for designing sequence models with associative memory はコメントを受け付けていません

Physics of Skill Learning

投稿日: 2025年1月22日 作成者: jarxiv

要約 私たちは、スキル学習の物理学、つまりトレーニング中にニューラル ネットワー … 続きを読む →

カテゴリー: cs.AI, cs.LG, physics.data-an, stat.ML | Physics of Skill Learning はコメントを受け付けていません

Sublinear Variational Optimization of Gaussian Mixture Models with Millions to Billions of Parameters

投稿日: 2025年1月22日 作成者: jarxiv

要約 ガウス混合モデル (GMM) は、最も頻繁に使用される機械学習モデルの 1 … 続きを読む →

カテゴリー: cs.CV, cs.LG, stat.ML | Sublinear Variational Optimization of Gaussian Mixture Models with Millions to Billions of Parameters はコメントを受け付けていません

Contributions to the Decision Theoretic Foundations of Machine Learning and Robust Statistics under Weakly Structured Information

投稿日: 2025年1月20日 作成者: jarxiv

要約 このハビリテーションの論文は累積的なものであるため、私が（数人の共著者とと … 続きを読む →

カテゴリー: cs.LG, stat.ML | Contributions to the Decision Theoretic Foundations of Machine Learning and Robust Statistics under Weakly Structured Information はコメントを受け付けていません

Provably Safeguarding a Classifier from OOD and Adversarial Samples: an Extreme Value Theory Approach

投稿日: 2025年1月20日 作成者: jarxiv

要約 この論文では、極値理論を使用したサンプル効率的な確率的検出 (SPADE) … 続きを読む →

カテゴリー: cs.LG, stat.ML | Provably Safeguarding a Classifier from OOD and Adversarial Samples: an Extreme Value Theory Approach はコメントを受け付けていません

Amortized Bayesian Mixture Models

投稿日: 2025年1月20日 作成者: jarxiv

要約 有限混合は、観測データが複数の異なるプロセスによって生成されるが、各データ … 続きを読む →

カテゴリー: cs.LG, stat.CO, stat.ML | Amortized Bayesian Mixture Models はコメントを受け付けていません

Enhancing reliability in prediction intervals using point forecasters: Heteroscedastic Quantile Regression and Width-Adaptive Conformal Inference

投稿日: 2025年1月20日 作成者: jarxiv

要約 時系列予測の予測間隔を構築することは、特に点予測のみに依存している場合には … 続きを読む →

カテゴリー: cs.LG, stat.ME, stat.ML | Enhancing reliability in prediction intervals using point forecasters: Heteroscedastic Quantile Regression and Width-Adaptive Conformal Inference はコメントを受け付けていません