論文の概要: Bias-corrected estimator for intrinsic dimension and differential
entropy--a visual multiscale approach
- arxiv url: http://arxiv.org/abs/2004.14528v1
- Date: Thu, 30 Apr 2020 00:29:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 02:53:18.828134
- Title: Bias-corrected estimator for intrinsic dimension and differential
entropy--a visual multiscale approach
- Title（参考訳）: 内在次元と微分エントロピーのバイアス補正推定--視覚的多元的アプローチ
- Authors: Jugurta Montalv\~ao, J\^anio Canuto, Luiz Miranda
- Abstract要約: 本稿では,本論文の系統的偏りを含む固有および微分エントロピー推定器について検討する。
これら2つの基本尺度の結合推定とバイアス補正のための実用的手法を提案する。
両推定器は一つのアプローチの相補的な部分であり、微分エントロピーと内在次元の同時推定は互いに意味を持つことが示されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Intrinsic dimension and differential entropy estimators are studied in this
paper, including their systematic bias. A pragmatic approach for joint
estimation and bias correction of these two fundamental measures is proposed.
Shared steps on both estimators are highlighted, along with their useful
consequences to data analysis. It is shown that both estimators can be
complementary parts of a single approach, and that the simultaneous estimation
of differential entropy and intrinsic dimension give meaning to each other,
where estimates at different observation scales convey different perspectives
of underlying manifolds. Experiments with synthetic and real datasets are
presented to illustrate how to extract meaning from visual inspections, and how
to compensate for biases.
- Abstract（参考訳）: 本論文では,内在次元と微分エントロピー推定器について,その系統的バイアスを含めて検討する。
これら2つの基本尺度の結合推定とバイアス補正のための実用的手法を提案する。
両方の推定子の共有ステップは、データ分析に有用な結果とともに強調される。
両推定子は一つのアプローチの相補的な部分であり、微分エントロピーと内在次元の同時推定は互いに意味を持ち、異なる観測スケールでの推定は基礎多様体の異なる視点を伝達する。
視覚検査から意味を抽出する方法やバイアスを補償する方法を説明するために,合成データと実データを用いた実験を行った。
関連論文リスト
- Empirical fits to inclusive electron-carbon scattering data obtained by deep-learning methods [0.0]
広い運動領域における炭素の電子散乱断面積に対する経験的適合性を得る。
このようなモデル非依存のパラメトリゼーションを得るための2つの異なる方法とそれに対応する不確実性を考える。
論文 参考訳（メタデータ） (2023-12-28T17:03:17Z) - Approximating Counterfactual Bounds while Fusing Observational, Biased
and Randomised Data Sources [64.96984404868411]
我々は、複数の、偏見のある、観察的、介入的な研究からのデータを統合するという問題に対処する。
利用可能なデータの可能性は局所的な最大値を持たないことを示す。
次に、同じアプローチが複数のデータセットの一般的なケースにどのように対処できるかを示す。
論文 参考訳（メタデータ） (2023-07-31T11:28:24Z) - Causal Effect Estimation from Observational and Interventional Data
Through Matrix Weighted Linear Estimators [11.384045395629123]
本研究では,観測データと介入データの混合から因果効果を推定する。
予測二乗誤差の統計的効率は推定器を組み合わせることで向上できることを示す。
論文 参考訳（メタデータ） (2023-06-09T16:16:53Z) - Exploiting Observation Bias to Improve Matrix Completion [16.57405742112833]
本稿では,行列補完の変種について考察する。
目標は、バイアスと関心の結果の間の共有情報を利用して予測を改善することである。
この2段階のアルゴリズムでは,従来の行列補完法に比べて平均2乗誤差が30倍小さいことが判明した。
論文 参考訳（メタデータ） (2023-06-07T20:48:35Z) - Eigen Analysis of Self-Attention and its Reconstruction from Partial
Computation [58.80806716024701]
ドット積に基づく自己注意を用いて計算した注意点のグローバルな構造について検討する。
注意点の変動の大部分は低次元固有空間にあることがわかった。
トークンペアの部分的な部分集合に対してのみスコアを計算し、それを用いて残りのペアのスコアを推定する。
論文 参考訳（メタデータ） (2021-06-16T14:38:42Z) - A similarity-based Bayesian mixture-of-experts model [0.5156484100374058]
多変量回帰問題に対する新しい非パラメトリック混合実験モデルを提案する。
条件付きモデルを用いて、サンプル外入力の予測は、観測された各データポイントと類似性に基づいて行われる。
混合物のパラメータと距離測定値に基づいて後部推論を行う。
論文 参考訳（メタデータ） (2020-12-03T18:08:30Z) - Learning Disentangled Representations with Latent Variation
Predictability [102.4163768995288]
本稿では,潜在不整合表現の変動予測可能性について述べる。
逆生成プロセス内では、潜時変動と対応する画像対の相互情報を最大化することにより、変動予測可能性を高める。
本研究では,潜在表現の絡み合いを測るために,基礎的構造的生成因子に依存しない評価指標を開発する。
論文 参考訳（メタデータ） (2020-07-25T08:54:26Z) - On Disentangled Representations Learned From Correlated Data [59.41587388303554]
相関データに対する最も顕著な絡み合うアプローチの挙動を解析することにより、現実のシナリオにギャップを埋める。
本研究では,データセットの体系的相関が学習され,潜在表現に反映されていることを示す。
また、トレーニング中の弱い監督や、少数のラベルで事前訓練されたモデルを修正することで、これらの潜伏相関を解消する方法を実証する。
論文 参考訳（メタデータ） (2020-06-14T12:47:34Z) - Machine learning for causal inference: on the use of cross-fit
estimators [77.34726150561087]
より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。
平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。
機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
論文 参考訳（メタデータ） (2020-04-21T23:09:55Z) - Estimating Treatment Effects with Observed Confounders and Mediators [25.338901482522648]
因果グラフが与えられた場合、do-calculusは経験的に推定できる観察関節分布の関数として治療効果を表現することができる。
時折、do-calculusは複数の有効な公式を識別し、対応する推定器の統計特性を比較するように促す。
本稿では,共同創設者と仲介者の両方が観察される過度に同定されたシナリオについて検討し,両推定手法の有効性を検証した。
論文 参考訳（メタデータ） (2020-03-26T15:50:25Z) - Learning Overlapping Representations for the Estimation of
Individualized Treatment Effects [97.42686600929211]
観測データから代替案の可能性を推定することは難しい問題である。
入力のドメイン不変表現を学習するアルゴリズムは、しばしば不適切であることを示す。
我々は,様々なベンチマークデータセットの最先端性を大幅に向上させる,ディープカーネル回帰アルゴリズムと後続正規化フレームワークを開発した。
論文 参考訳（メタデータ） (2020-01-14T12:56:29Z)
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。
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。