「stat.TH」カテゴリーアーカイブ

Training Implicit Generative Models via an Invariant Statistical Loss

投稿日: 2024年2月27日 作成者: jarxiv

要約 暗黙的な生成モデルには、任意の複雑なデータ分布を学習する機能があります。 … 続きを読む →

カテゴリー: cs.AI, cs.LG, math.ST, stat.ML, stat.TH | Training Implicit Generative Models via an Invariant Statistical Loss はコメントを受け付けていません

Lasso with Latents: Efficient Estimation, Covariate Rescaling, and Computational-Statistical Gaps

投稿日: 2024年2月26日 作成者: jarxiv

要約 対象の共変量に強い相関がある場合、Lasso の統計的パフォーマンスが大幅 … 続きを読む →

カテゴリー: cs.CC, cs.DS, cs.LG, math.ST, stat.ML, stat.TH | Lasso with Latents: Efficient Estimation, Covariate Rescaling, and Computational-Statistical Gaps はコメントを受け付けていません

Universal Lower Bounds and Optimal Rates: Achieving Minimax Clustering Error in Sub-Exponential Mixture Models

投稿日: 2024年2月26日 作成者: jarxiv

要約 クラスタリングは教師なし機械学習における極めて重要な課題であり、混合モデル … 続きを読む →

カテゴリー: 62B10, 62F12, 62H30, cs.LG, math.ST, stat.ML, stat.TH | Universal Lower Bounds and Optimal Rates: Achieving Minimax Clustering Error in Sub-Exponential Mixture Models はコメントを受け付けていません

Controlling Multiple Errors Simultaneously with a PAC-Bayes Bound

投稿日: 2024年2月23日 作成者: jarxiv

要約 現在の PAC ベイの一般化限界は、損失率やエラー率などのパフォーマンスの … 続きを読む →

カテゴリー: cs.LG, math.ST, stat.ML, stat.TH | Controlling Multiple Errors Simultaneously with a PAC-Bayes Bound はコメントを受け付けていません

Generalising realisability in statistical learning theory under epistemic uncertainty

投稿日: 2024年2月23日 作成者: jarxiv

要約 この論文の目的は、学習分布とテスト分布が同じ基準セット、つまり確率分布の凸 … 続きを読む →

カテゴリー: cs.AI, cs.LG, math.ST, stat.TH | Generalising realisability in statistical learning theory under epistemic uncertainty はコメントを受け付けていません

The ODE Method for Asymptotic Statistics in Stochastic Approximation and Reinforcement Learning

投稿日: 2024年2月22日 作成者: jarxiv

要約 この論文は、確率的近似再帰 \[ \theta_{n+1}= \theta … 続きを読む →

カテゴリー: 60F17, 62L20, 68T05, cs.LG, math.ST, stat.TH | The ODE Method for Asymptotic Statistics in Stochastic Approximation and Reinforcement Learning はコメントを受け付けていません

Asymptotics of Learning with Deep Structured (Random) Features

投稿日: 2024年2月22日 作成者: jarxiv

要約 大きなクラスの特徴マップについては、入力次元、隠れ層の幅、トレーニング サ … 続きを読む →

カテゴリー: cond-mat.dis-nn, cs.LG, math.ST, stat.ML, stat.TH | Asymptotics of Learning with Deep Structured (Random) Features はコメントを受け付けていません

Multivariate Functional Linear Discriminant Analysis for the Classification of Short Time Series with Missing Data

投稿日: 2024年2月21日 作成者: jarxiv

要約 関数線形判別分析 (FLDA) は、LDA を介した多クラス分類と次元削減 … 続きを読む →

カテゴリー: 62R07, 62R10, cs.LG, math.ST, stat.TH | Multivariate Functional Linear Discriminant Analysis for the Classification of Short Time Series with Missing Data はコメントを受け付けていません

Nonlinear spiked covariance matrices and signal propagation in deep neural networks

投稿日: 2024年2月16日 作成者: jarxiv

要約 最近の多くの研究では、フィードフォワード ニューラル ネットワークの非線形 … 続きを読む →

カテゴリー: cs.LG, math.PR, math.ST, stat.ML, stat.TH | Nonlinear spiked covariance matrices and signal propagation in deep neural networks はコメントを受け付けていません

Concentrated Differential Privacy for Bandits

投稿日: 2024年2月16日 作成者: jarxiv

要約 Bandits は、逐次学習の理論的基盤および最新のレコメンダー システム … 続きを読む →

カテゴリー: cs.CR, cs.IT, cs.LG, math.IT, math.ST, stat.ML, stat.TH | Concentrated Differential Privacy for Bandits はコメントを受け付けていません