論文の概要: Estimating the Number of Components in Finite Mixture Models via the Group-Sort-Fuse Procedure

• arxiv url: http://arxiv.org/abs/2005.11641v2
• Date: Wed, 4 Aug 2021 22:43:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 13:59:42.481354
• Title: Estimating the Number of Components in Finite Mixture Models via the Group-Sort-Fuse Procedure
• Title（参考訳）: Group-Sort-Fuse法による有限混合モデルの成分数推定
• Authors: Tudor Manole, Abbas Khalili
• Abstract要約: GSF(Group-Sort-Fuse)は、有限混合モデルにおける秩序と混合度を同時推定するための新しいペナル化可能性手法である。 GSFは, パラメータ推定における真の混合次数と$n-1/2$収束率を多対数因子まで推定する上で一貫したものであることを示す。
• 参考スコア（独自算出の注目度）: 0.974672460306765
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimation of the number of components (or order) of a finite mixture model is a long standing and challenging problem in statistics. We propose the Group-Sort-Fuse (GSF) procedure -- a new penalized likelihood approach for simultaneous estimation of the order and mixing measure in multidimensional finite mixture models. Unlike methods which fit and compare mixtures with varying orders using criteria involving model complexity, our approach directly penalizes a continuous function of the model parameters. More specifically, given a conservative upper bound on the order, the GSF groups and sorts mixture component parameters to fuse those which are redundant. For a wide range of finite mixture models, we show that the GSF is consistent in estimating the true mixture order and achieves the $n^{-1/2}$ convergence rate for parameter estimation up to polylogarithmic factors. The GSF is implemented for several univariate and multivariate mixture models in the R package GroupSortFuse. Its finite sample performance is supported by a thorough simulation study, and its application is illustrated on two real data examples.
• Abstract（参考訳）: 有限混合モデルの成分数(または順序)の推定は、統計学における長期的かつ困難な問題である。 多次元有限混合モデルにおける秩序と混合度を同時推定するための新しいペナル化可能性手法であるGSF法を提案する。 モデル複雑性を含む基準を用いて混合と異なる順序を適合・比較する手法とは異なり、本手法はモデルパラメータの連続関数を直接ペナライズする。 より具体的には、順序に保守的な上限が与えられると、GSFグループは混合成分パラメータをソートして冗長なパラメータを融合させる。 幅広い有限混合モデルに対して、GSFは真の混合順序を推定するのに一貫したものであり、パラメータ推定のための$n^{-1/2}$収束率を多対数因子まで達成することを示す。 GSFは、RパッケージのGroupSortFuseにおいて、複数の単変量および多変量混合モデルに対して実装されている。 その有限サンプル性能は、徹底的なシミュレーション研究によって支持され、その応用は2つの実データ例で示される。

関連論文リスト

• Adaptive Fuzzy C-Means with Graph Embedding [84.47075244116782]
  ファジィクラスタリングアルゴリズムは、大まかに2つの主要なグループに分類できる: ファジィC平均法(FCM)と混合モデルに基づく方法。 本稿では,FCMを用いたクラスタリングモデルを提案する。
  論文  参考訳（メタデータ） (2024-05-22T08:15:50Z)
• Estimating the Number of Components in Finite Mixture Models via Variational Approximation [8.468023518807408]
  変動ベイズを用いた有限混合モデル(FMM)における成分数選択法を提案する。 平均場(MF)変動近似から導かれるエビデンス下界(ELBO)の上限値と下界値との整合性を確立した。 証明の副産物として、MF近似が後部分布の安定な挙動(モデル特異性に相応しい)を継承することを示す。
  論文  参考訳（メタデータ） (2024-04-25T17:00:24Z)
• A Fourier Approach to the Parameter Estimation Problem for One-dimensional Gaussian Mixture Models [21.436254507839738]
  一次元ガウス混合モデルにおけるパラメータ推定のための新しいアルゴリズムを提案する。 本アルゴリズムは,EMアルゴリズムと比較して,確率,AIC,BICのスコアがよいことを示す。
  論文  参考訳（メタデータ） (2024-04-19T03:53:50Z)
• Gaussian Mixture Solvers for Diffusion Models [84.83349474361204]
  本稿では,拡散モデルのためのGMSと呼ばれる,SDEに基づく新しい解法について紹介する。 画像生成およびストロークベース合成におけるサンプル品質の観点から,SDEに基づく多くの解法よりも優れる。
  論文  参考訳（メタデータ） (2023-11-02T02:05:38Z)
• Heterogeneous Multi-Task Gaussian Cox Processes [61.67344039414193]
  異種相関タスクを共同でモデル化するためのマルチタスクガウスコックスプロセスの新たな拡張を提案する。 MOGPは、分類、回帰、ポイントプロセスタスクの専用可能性のパラメータに先行して、異種タスク間の情報の共有を容易にする。 モデルパラメータを推定するための閉形式反復更新を実現する平均場近似を導出する。
  論文  参考訳（メタデータ） (2023-08-29T15:01:01Z)
• A non-asymptotic model selection in block-diagonal mixture of polynomial experts models [1.491109220586182]
  回帰モデルの未知条件密度を推定するために, ペナル化最大選択基準を導入する。 我々は、Jensen-Kullback-Leibler型損失によるペナル化極大確率で満たされる有限サンプルオラクルを含む強力な理論的保証を提供する。
  論文  参考訳（メタデータ） (2021-04-18T21:32:20Z)
• Autoregressive Score Matching [113.4502004812927]
  自動回帰条件スコアモデル(AR-CSM)を提案する。 AR-CSMモデルでは、このデータ分布とモデル分布のばらつきを効率的に計算し、最適化することができ、高価なサンプリングや対向訓練を必要としない。 本研究では,合成データに対する密度推定,画像生成,画像復調,暗黙エンコーダを用いた潜在変数モデルの訓練に応用できることを示す。
  論文  参考訳（メタデータ） (2020-10-24T07:01:24Z)
• Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
  本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。 我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。 その結果,我々のモデルは最先端の性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2020-10-12T03:27:07Z)
• Learning Mixtures of Permutations: Groups of Pairwise Comparisons and Combinatorial Method of Moments [8.691957530860675]
  Mallows混合モデルについて検討した。 高次元設定では、$n$要素上の置換のMallows混合を学習する最適時間アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-09-14T23:11:46Z)
• Consistent Estimation of Identifiable Nonparametric Mixture Models from Grouped Observations [84.81435917024983]
  この研究は、グループ化された観測から任意の同定可能な混合モデルを一貫して推定するアルゴリズムを提案する。 ペア化された観測のために実践的な実装が提供され、アプローチは既存の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-12T20:44:22Z)

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。