論文の概要: A General Framework for Symmetric Property Estimation

• arxiv url: http://arxiv.org/abs/2003.00844v1
• Date: Mon, 2 Mar 2020 13:00:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-27 05:06:42.484772
• Title: A General Framework for Symmetric Property Estimation
• Title（参考訳）: 対称特性推定のための一般フレームワーク
• Authors: Moses Charikar, Kirankumar Shiragur, Aaron Sidford
• Abstract要約: 経験的推定を行う容易な領域と,より複雑な推定器を必要とする困難な領域を同定する。 この難しい領域におけるプロファイル最大可能性(PML)分布 citeADOS16 を概算することにより、多くの特性に対して最適なサンプル複雑性を持つ対称特性推定フレームワークが得られることを示す。
• 参考スコア（独自算出の注目度）: 35.14819168275207
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper we provide a general framework for estimating symmetric properties of distributions from i.i.d. samples. For a broad class of symmetric properties we identify the easy region where empirical estimation works and the difficult region where more complex estimators are required. We show that by approximately computing the profile maximum likelihood (PML) distribution \cite{ADOS16} in this difficult region we obtain a symmetric property estimation framework that is sample complexity optimal for many properties in a broader parameter regime than previous universal estimation approaches based on PML. The resulting algorithms based on these pseudo PML distributions are also more practical.
• Abstract（参考訳）: 本稿では,分布の対称性を推定するための一般的な枠組みについて述べる。 幅広い対称特性のクラスに対して、経験的推定が機能する容易な領域と、より複雑な推定が必要となる難しい領域を特定する。 この難しい領域におけるプロファイル最大可能性 (PML) 分布 \cite{ADOS16} の概算計算により、PMLに基づく従来の普遍的推定手法よりも広いパラメータ体系における多くの特性に対して最適なサンプル複雑性を持つ対称特性推定フレームワークが得られることを示す。 これらの擬似PML分布に基づくアルゴリズムもより実用的なものである。

関連論文リスト

• Sample Complexity of the Sign-Perturbed Sums Identification Method: Scalar Case [0.0]
  Sign-Perturbed Sum (SPS) は強力な有限サンプルシステム同定アルゴリズムである。 本稿では,SPS信頼区間の挙動について検討する。
  論文  参考訳（メタデータ） (2024-01-28T22:44:41Z)
• On the Consistency of Maximum Likelihood Estimation of Probabilistic Principal Component Analysis [1.0528389538549636]
  PPCAは科学や工学から定量的ファイナンスまで幅広い分野の応用がある。 様々な分野に適用可能であるにもかかわらず、このモデルに対する最大可能性(ML)解の健全性を正当化する理論的な保証はほとんど存在しない。 商位相空間を用いた新しいアプローチを提案し、特に、最大極大解が適切な商ユークリッド空間において一貫したことを示す。
  論文  参考訳（メタデータ） (2023-11-08T22:40:45Z)
• On the Efficient Implementation of High Accuracy Optimality of Profile Maximum Likelihood [33.051282474765955]
  我々の推定器はPML(Pop Profile-maximum-likelihood)に基づいており、様々な対称特性を推定するのに最適なサンプルである。 この結果は、達成可能な時間で$epsilon gg n-1/4$の前の最高精度閾値を改善する。
  論文  参考訳（メタデータ） (2022-10-13T04:52:15Z)
• Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
  Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。 本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。 我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
  論文  参考訳（メタデータ） (2022-09-27T07:58:25Z)
• Optimal Scaling for Locally Balanced Proposals in Discrete Spaces [65.14092237705476]
  離散空間におけるMetropolis-Hastings (M-H) アルゴリズムの効率は、対象分布に依存しない受容率によって特徴づけられることを示す。 最適受容率の知識は、連続空間におけるステップサイズ制御と直接的に類似して、離散空間における提案分布の近傍サイズを自動的に調整することを可能にする。
  論文  参考訳（メタデータ） (2022-09-16T22:09:53Z)
• Revisiting the Sample Complexity of Sparse Spectrum Approximation of Gaussian Processes [60.479499225746295]
  本稿では,ガウス過程に対して,パラメータ空間全体に対して同時に保持可能な保証付きスケーラブルな近似を導入する。 我々の近似は、スパーススペクトルガウス過程(SSGP)のための改良されたサンプル複雑性解析から得られる。
  論文  参考訳（メタデータ） (2020-11-17T05:41:50Z)
• Instance Based Approximations to Profile Maximum Likelihood [33.51964370430905]
  プロファイル最大度(PML)分布を近似計算するアルゴリズムを提案する。 PseudoPMLは、幅広い対称特性のクラスを推定するフレームワークである。
  論文  参考訳（メタデータ） (2020-11-05T11:17:19Z)
• Generalized Sliced Distances for Probability Distributions [47.543990188697734]
  我々は、一般化スライス確率測定(GSPM)と呼ばれる、幅広い確率測定値の族を紹介する。 GSPMは一般化されたラドン変換に根付いており、ユニークな幾何学的解釈を持つ。 GSPMに基づく勾配流を生成モデル応用に適用し、軽度な仮定の下では、勾配流が大域的最適に収束することを示す。
  論文  参考訳（メタデータ） (2020-02-28T04:18:00Z)
• Profile Entropy: A Fundamental Measure for the Learnability and Compressibility of Discrete Distributions [63.60499266361255]
  離散分布のサンプルに対して、プロファイルエントロピーは推定、推論、圧縮の概念を統一する基本的な尺度であることを示す。 具体的には、プロファイルエントロピー a) は、最適自然推定器に対する分布を推定する速度を決定する; b) 任意のラベル不変分布コレクションに対する最適推定器と比較して全ての対称特性を推定する速度を特徴付ける; c) プロファイル圧縮の限界として機能する。
  論文  参考訳（メタデータ） (2020-02-26T17:49:04Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。