stat.TH」カテゴリーアーカイブ

Learning Mixtures of Gaussians Using Diffusion Models

要約 $ k $ gausianiansの混合物を学習するための新しいアルゴリズ … 続きを読む

カテゴリー: cs.DS, cs.LG, math.PR, math.ST, stat.ML, stat.TH | コメントする

Optimization, Isoperimetric Inequalities, and Sampling via Lyapunov Potentials

要約 この論文では、すべての初期化からの勾配流を使用してfの最適化が、Gibbs … 続きを読む

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

Learning sparse generalized linear models with binary outcomes via iterative hard thresholding

要約 統計では、一般化された線形モデル(GLM)がデータのモデリングに広く使用さ … 続きを読む

カテゴリー: cs.DS, cs.IT, cs.LG, math.IT, math.ST, stat.ML, stat.TH | コメントする

Stronger Neyman Regret Guarantees for Adaptive Experimental Design

要約 設計ベースの潜在的な結果設定における、偏りのない平均治療効果(ATE)推定 … 続きを読む

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

An Adversarial Analysis of Thompson Sampling for Full-information Online Learning: from Finite to Infinite Action Spaces

要約 専門家の空間ではなく、敵の将来の行動の空間で学習者の事前が定義されている場 … 続きを読む

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

Efficient Multivariate Robust Mean Estimation Under Mean-Shift Contamination

要約 平均シフト汚染の存在下でのアイデンティティ共分散ガウスの堅牢な平均推定のア … 続きを読む

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

An Adversarial Analysis of Thompson Sampling for Full-information Online Learning: from Finite to Infinite Action Spaces

要約 専門家の空間ではなく、敵の将来の行動の空間で学習者の事前が定義されている場 … 続きを読む

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

Asymptotic Optimism of Random-Design Linear and Kernel Regression Models

要約 私たちは、ランダム設計下で線形回帰モデルの閉じた漸近楽観主義を導き出し、そ … 続きを読む

カテゴリー: 68Q32, 68T05, cs.LG, math.ST, stat.ML, stat.TH | Asymptotic Optimism of Random-Design Linear and Kernel Regression Models はコメントを受け付けていません

Invariant Subspace Decomposition

要約 Xが与えられたXの条件付き分布が時間の経過とともに変化する設定で、共変量X … 続きを読む

カテゴリー: cs.LG, math.ST, stat.ME, stat.ML, stat.TH | Invariant Subspace Decomposition はコメントを受け付けていません

Gradient Equilibrium in Online Learning: Theory and Applications

要約 勾配平衡と呼ばれるオンライン学習に関する新しい視点を提示します。シーケンス … 続きを読む

カテゴリー: cs.LG, math.OC, math.ST, stat.ML, stat.TH | Gradient Equilibrium in Online Learning: Theory and Applications はコメントを受け付けていません