「stat.TH」カテゴリーアーカイブ

On the Injective Norm of Sums of Random Tensors and the Moments of Gaussian Chaoses

投稿日: 2025年3月14日 作成者: jarxiv

要約 予想される$ \ ell_p $のインジェクティブノルムのサブガウスランダ … 続きを読む →

カテゴリー: cs.LG, math.PR, math.ST, stat.TH | On the Injective Norm of Sums of Random Tensors and the Moments of Gaussian Chaoses はコメントを受け付けていません

Minimax Optimality of the Probability Flow ODE for Diffusion Models

投稿日: 2025年3月13日 作成者: jarxiv

要約 スコアベースの拡散モデルは、最新の生成モデリングの基礎パラダイムになり、複 … 続きを読む →

カテゴリー: cs.IT, cs.LG, math.IT, math.ST, stat.ML, stat.TH | Minimax Optimality of the Probability Flow ODE for Diffusion Models はコメントを受け付けていません

Perfect Recovery for Random Geometric Graph Matching with Shallow Graph Neural Networks

投稿日: 2025年3月12日 作成者: jarxiv

要約 浅いグラフニューラルネットワークを使用して、頂点の特徴情報が存在する場合の … 続きを読む →

カテゴリー: cs.IT, cs.LG, cs.SI, math.IT, math.PR, math.ST, stat.ML, stat.TH | Perfect Recovery for Random Geometric Graph Matching with Shallow Graph Neural Networks はコメントを受け付けていません

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