Fugu-MT 論文翻訳(概要): Moment-Matching Conditions for Exponential Families with Conditioning or Hidden Data

論文の概要: Moment-Matching Conditions for Exponential Families with Conditioning or Hidden Data

arxiv url: http://arxiv.org/abs/2001.09771v1
Date: Tue, 7 Jan 2020 15:31:16 GMT
ステータス: 処理完了
システム内更新日: 2023-01-13 20:27:36.694631
Title: Moment-Matching Conditions for Exponential Families with Conditioning or Hidden Data
Title（参考訳）: コンディショニング・隠れデータを用いた特定世帯のモーメントマッチング条件
Authors: Justin Domke
Abstract要約: 条件付き指数族や、隠れたデータがあるときに一般化することができる。この文書は、これらの一般化されたモーメントマッチング条件について、自己完結した導出とともに、第一原理の説明を与える。
参考スコア（独自算出の注目度）: 29.443230571766858
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Maximum likelihood learning with exponential families leads to moment-matching of the sufficient statistics, a classic result. This can be generalized to conditional exponential families and/or when there are hidden data. This document gives a first-principles explanation of these generalized moment-matching conditions, along with a self-contained derivation.
Abstract（参考訳）: 指数族による最大確率学習は、古典的な結果である十分な統計の瞬間マッチングをもたらす。これは条件付き指数族や隠れたデータがあるときに一般化することができる。この文書は、これらの一般化されたモーメントマッチング条件の第一原理的な説明と自己完結した導出を与える。

関連論文リスト

XForecast: Evaluating Natural Language Explanations for Time Series Forecasting [72.57427992446698]
時系列予測は、特に正確な予測に依存するステークホルダーにとって、意思決定を支援する。伝統的に説明可能なAI(XAI)メソッドは、機能や時間的重要性を基盤とするものであり、専門家の知識を必要とすることが多い。時系列データにおける複雑な因果関係のため,予測NLEの評価は困難である。
論文参考訳（メタデータ） (2024-10-18T05:16:39Z)
An evidential time-to-event prediction model based on Gaussian random fuzzy numbers [12.753099158148887]
検閲データを用いた時間-時間予測のための明らかなモデルを提案する。事象時間の不確かさはガウス乱ファジィ数によって定量化される。
論文参考訳（メタデータ） (2024-06-19T12:14:45Z)
Ensembled Prediction Intervals for Causal Outcomes Under Hidden Confounding [49.1865229301561]
本稿では,既存の因果感受性モデルを用いた部分同定手法を提案し,Caus-Modensがより厳密な結果区間を与えることを示す。 3つの異なるベンチマークのうち最後のものは、未知だが探究可能な基底真理を持つ観測実験にGPT-4を新たに使用することである。
論文参考訳（メタデータ） (2023-06-15T21:42:40Z)
Clustering above Exponential Families with Tempered Exponential Measures [28.532545355403123]
指数関数族とのリンクにより、$k$-meansクラスタリングは、幅広いデータ生成分布に一般化できるようになった。指数族を超えて働くための枠組みは、公理化で彫られた人口最小化の頑丈さが欠如しているなど、道路ブロックを持ち上げるために重要である。
論文参考訳（メタデータ） (2022-11-04T21:58:40Z)
Inferring extended summary causal graphs from observational time series [4.263043028086137]
時系列間の差分を決定するために,情報理論の手法を用いている。本手法の動作は,シミュレーションおよび実データを用いたいくつかの実験を通して説明される。
論文参考訳（メタデータ） (2022-05-19T09:39:57Z)
A Note on the Chernoff Bound for Random Variables in the Unit Interval [10.312968200748116]
チャーノフ境界は統計学習理論において、保留データに対する経験的リスクの観点から仮説の一般化リスクを上限にするために一般的に用いられる。この拡張は、単位区間で値を取る確率変数の場合には、コミュニティではあまり知られていない。
論文参考訳（メタデータ） (2022-05-15T14:06:24Z)
Kernel Deformed Exponential Families for Sparse Continuous Attention [76.61129971916702]
カーネル指数および変形指数族の存在結果を示す。実験により、カーネル変形指数族はデータ領域の複数のコンパクト領域に参加することができることが示された。
論文参考訳（メタデータ） (2021-11-01T19:21:22Z)
Exploring the Limits of Few-Shot Link Prediction in Knowledge Graphs [49.6661602019124]
数発のリンク予測を行うため,本手法の現況を一般化したモデルスペクトルについて検討する。単純なゼロショットベースライン – 関係性固有の情報を無視する – が驚くほど高いパフォーマンスを実現しているのが分かります。慎重に構築された合成データセットの実験では、関係の例がいくつかあるだけで、モデルがきめ細かな構造情報を使用するのを基本的に制限することが示されている。
論文参考訳（メタデータ） (2021-02-05T21:04:31Z)
Relative Deviation Margin Bounds [55.22251993239944]
我々はRademacher複雑性の観点から、分布依存と一般家庭に有効な2種類の学習境界を与える。有限モーメントの仮定の下で、非有界な損失関数に対する分布依存的一般化境界を導出する。
論文参考訳（メタデータ） (2020-06-26T12:37:17Z)
Generalization Error Bounds via $m$th Central Moments of the Information Density [14.147617330278662]
本稿では,ランダム化学習アルゴリズムの一般化誤差に対するバウンダリを導出する一般手法を提案する。我々の手法は、平均一般化誤差の有界値と、その尾の確率の有界値を得るのに利用できる。
論文参考訳（メタデータ） (2020-04-20T09:23:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。