Fugu-MT 論文翻訳(概要): Statistical Queries and Statistical Algorithms: Foundations and Applications

論文の概要: Statistical Queries and Statistical Algorithms: Foundations and Applications

arxiv url: http://arxiv.org/abs/2004.00557v2
Date: Thu, 14 May 2020 14:32:38 GMT
ステータス: 処理完了
システム内更新日: 2022-12-17 18:28:27.307514
Title: Statistical Queries and Statistical Algorithms: Foundations and Applications
Title（参考訳）: 統計的クエリと統計的アルゴリズム:基礎と応用
Authors: Lev Reyzin
Abstract要約: このモデルを導入し、主要な定義を与え、統計的クエリーの基本理論を探求する。統計クエリの応用例を,最適化,進化可能性,差分プライバシーなど他の分野に適用する方法について詳述する。
参考スコア（独自算出の注目度）: 3.1981440103815717
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We give a survey of the foundations of statistical queries and their many applications to other areas. We introduce the model, give the main definitions, and we explore the fundamental theory statistical queries and how how it connects to various notions of learnability. We also give a detailed summary of some of the applications of statistical queries to other areas, including to optimization, to evolvability, and to differential privacy.
Abstract（参考訳）: 統計クエリの基礎とそれらの他の分野への多くの応用について調査を行う。モデルを紹介し,主定義を与え,基本理論の統計的問合せと学習可能性の様々な概念との関係について検討する。また、最適化、進化可能性、微分プライバシーなど、他の分野への統計クエリの応用について、詳細な概要を示す。

関連論文リスト

Context is Key: A Benchmark for Forecasting with Essential Textual Information [87.3175915185287]
コンテキスト・イズ・キー (Context is Key) (CiK) は、時系列予測ベンチマークであり、様々な種類のテキストコンテキストと数値データをペアリングする。我々は,統計モデル,時系列基礎モデル,LLMに基づく予測モデルなど,さまざまなアプローチを評価する。実験では、文脈情報の導入の重要性を強調し、LLMに基づく予測モデルを用いた場合の驚くべき性能を示すとともに、それらの重要な欠点を明らかにした。
論文参考訳（メタデータ） (2024-10-24T17:56:08Z)
Statistical Inference with Limited Memory: A Survey [22.41443027099101]
いくつかの標準問題において,メモリ制約下での統計的推論の現状を概観する。本稿では,この開発分野の主な成果について論じるとともに,再帰的なテーマを同定することにより,アルゴリズム構築のための基本的な構成要素を抽出する。
論文参考訳（メタデータ） (2023-12-23T11:14:33Z)
Beyond Normal: On the Evaluation of Mutual Information Estimators [52.85079110699378]
そこで本研究では,既知の地道的相互情報を用いて,多種多様な分布群を構築する方法について述べる。本稿では,問題の難易度に適応した適切な推定器の選択方法について,実践者のためのガイドラインを提供する。
論文参考訳（メタデータ） (2023-06-19T17:26:34Z)
Quantifying & Modeling Multimodal Interactions: An Information Decomposition Framework [89.8609061423685]
本稿では,入力モーダル性と出力タスクを関連付けた冗長性,特異性,シナジーの度合いを定量化する情報理論手法を提案する。 PID推定を検証するために、PIDが知られている合成データセットと大規模マルチモーダルベンチマークの両方で広範な実験を行う。本研究では,(1)マルチモーダルデータセット内の相互作用の定量化,(2)マルチモーダルモデルで捉えた相互作用の定量化,(3)モデル選択の原理的アプローチ,(4)実世界のケーススタディの3つにその有用性を示す。
論文参考訳（メタデータ） (2023-02-23T18:59:05Z)
Statistical applications of contrastive learning [16.55739231775413]
コントラスト学習(Contrastive learning)は、確率ベースの学習に代わる直感的で計算可能な代替手段である。多様な統計的問題に対する手法を導出するために、コントラスト学習をいかに活用できるかを示す。
論文参考訳（メタデータ） (2022-04-29T10:35:59Z)
A Unifying Framework for Some Directed Distances in Statistics [0.0]
密度に基づく有向距離(特に発散距離)は統計学で広く使われている。本稿では、密度ベースと分布関数ベースの分散アプローチの両方を網羅する一般的なフレームワークを提供する。我々は、有望な相互情報の代替として、確率変数間の依存の新たな概念を導出する。
論文参考訳（メタデータ） (2022-03-02T04:24:13Z)
Differential privacy and robust statistics in high dimensions [49.50869296871643]
高次元Propose-Test-Release (HPTR) は指数的メカニズム、頑健な統計、Propose-Test-Release メカニズムという3つの重要なコンポーネントの上に構築されている。本論文では,HPTRが複数のシナリオで最適サンプル複雑性をほぼ達成していることを示す。
論文参考訳（メタデータ） (2021-11-12T06:36:40Z)
Marginal likelihood computation for model selection and hypothesis testing: an extensive review [66.37504201165159]
この記事では、このトピックの最先端に関する総合的な研究について紹介する。さまざまなテクニックの制限、メリット、コネクション、差異を強調します。また、不適切な事前利用の問題や解決法についても述べる。
論文参考訳（メタデータ） (2020-05-17T18:31:58Z)
Recent Trends in the Use of Statistical Tests for Comparing Swarm and Evolutionary Computing Algorithms: Practical Guidelines and a Critical Review [0.0]
本稿では,計算知能のアルゴリズム比較のための統計分析の提案の現在の動向について調査する。それぞれのテストの使用の主な利点と欠点を説明し、それらの使用に関する推奨事項を提示する。
論文参考訳（メタデータ） (2020-02-21T11:06:47Z)
A Survey on Causal Inference [64.45536158710014]
因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。観測データに対する様々な因果効果推定法が誕生した。
論文参考訳（メタデータ） (2020-02-05T21:35:29Z)

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。