「stat.TH」カテゴリーアーカイブ

Kernel-based estimators for functional causal effects

投稿日: 2025年3月11日 作成者: jarxiv

要約 経験的データスペースに合わせて調整された経験的FR \ ‘{e … 続きを読む →

カテゴリー: 62G05, cs.LG, G.3, math.ST, stat.ME, stat.TH | Kernel-based estimators for functional causal effects はコメントを受け付けていません

Is a Good Foundation Necessary for Efficient Reinforcement Learning? The Computational Role of the Base Model in Exploration

投稿日: 2025年3月11日 作成者: jarxiv

要約 アクティブな探査を活用する言語モデルのアライメント（または、補強学習）技術 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, math.ST, stat.TH | Is a Good Foundation Necessary for Efficient Reinforcement Learning? The Computational Role of the Base Model in Exploration はコメントを受け付けていません

Some Targets Are Harder to Identify than Others: Quantifying the Target-dependent Membership Leakage

投稿日: 2025年3月7日 作成者: jarxiv

要約 メンバーシップ推論（MI）ゲームでは、攻撃者がターゲットポイントがアルゴリ … 続きを読む →

カテゴリー: cs.CR, cs.LG, math.ST, stat.ML, stat.TH | Some Targets Are Harder to Identify than Others: Quantifying the Target-dependent Membership Leakage はコメントを受け付けていません

Learning Mixtures of Gaussians Using Diffusion Models

投稿日: 2025年3月5日 作成者: jarxiv

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 | Learning Mixtures of Gaussians Using Diffusion Models はコメントを受け付けていません

Optimization, Isoperimetric Inequalities, and Sampling via Lyapunov Potentials

投稿日: 2025年3月5日 作成者: jarxiv

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 | Optimization, Isoperimetric Inequalities, and Sampling via Lyapunov Potentials はコメントを受け付けていません

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

投稿日: 2025年2月26日 作成者: jarxiv

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 | Learning sparse generalized linear models with binary outcomes via iterative hard thresholding はコメントを受け付けていません

Stronger Neyman Regret Guarantees for Adaptive Experimental Design

投稿日: 2025年2月25日 作成者: jarxiv

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 | Stronger Neyman Regret Guarantees for Adaptive Experimental Design はコメントを受け付けていません

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

投稿日: 2025年2月24日 作成者: jarxiv

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 | An Adversarial Analysis of Thompson Sampling for Full-information Online Learning: from Finite to Infinite Action Spaces はコメントを受け付けていません

Efficient Multivariate Robust Mean Estimation Under Mean-Shift Contamination

投稿日: 2025年2月21日 作成者: jarxiv

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 | Efficient Multivariate Robust Mean Estimation Under Mean-Shift Contamination はコメントを受け付けていません

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

投稿日: 2025年2月21日 作成者: jarxiv

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 | An Adversarial Analysis of Thompson Sampling for Full-information Online Learning: from Finite to Infinite Action Spaces はコメントを受け付けていません