Fugu-MT 論文翻訳(概要): Computing the Dirichlet-Multinomial Log-Likelihood Function

論文の概要: Computing the Dirichlet-Multinomial Log-Likelihood Function

arxiv url: http://arxiv.org/abs/2007.11967v1
Date: Fri, 17 Jul 2020 20:31:01 GMT
ステータス: 処理完了
システム内更新日: 2022-11-09 12:44:24.966758
Title: Computing the Dirichlet-Multinomial Log-Likelihood Function
Title（参考訳）: ディリクレ・マルチノミカルログ類似関数の計算
Authors: Djallel Bouneffouf
Abstract要約: 我々は、ガンマ関数の数学的性質を用いて、DMN対数類似関数の閉形式式を導出する。既存の手法と比較して、閉じた形式の計算は計算の複雑さが小さく、計算精度を比較せずにはるかに高速である。
参考スコア（独自算出の注目度）: 19.675277307158435
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Dirichlet-multinomial (DMN) distribution is commonly used to model over-dispersion in count data. Precise and fast numerical computation of the DMN log-likelihood function is important for performing statistical inference using this distribution, and remains a challenge. To address this, we use mathematical properties of the gamma function to derive a closed form expression for the DMN log-likelihood function. Compared to existing methods, calculation of the closed form has a lower computational complexity, hence is much faster without comprimising computational accuracy.
Abstract（参考訳）: Dirichlet-multinomial (DMN) 分布は、カウントデータの過分散をモデル化するために一般的に用いられる。 DMNログ類似関数の高精度かつ高速な数値計算は,この分布を用いて統計的推測を行う上で重要である。これを解決するために、ガンマ関数の数学的性質を用いて、DMNログ様関数の閉形式式を導出する。既存の手法と比較して、閉形式の計算は計算の複雑さが小さく、計算精度を比較せずにはるかに高速である。

関連論文リスト

Randomized Polar Codes for Anytime Distributed Machine Learning [66.46612460837147]
本稿では,低速な計算ノードに対して堅牢で,線形演算の近似計算と精度の両立が可能な分散コンピューティングフレームワークを提案する。本稿では,復号化のための計算複雑性を低く保ちながら,実数値データを扱うための逐次復号アルゴリズムを提案する。大規模行列乗算やブラックボックス最適化など,様々な文脈において,このフレームワークの潜在的な応用を実証する。
論文参考訳（メタデータ） (2023-09-01T18:02:04Z)
Score-based Diffusion Models in Function Space [140.792362459734]
拡散モデルは、最近、生成モデリングの強力なフレームワークとして登場した。本稿では,関数空間における拡散モデルをトレーニングするためのDDO(Denoising Diffusion Operators)という,数学的に厳密なフレームワークを提案する。データ解像度に依存しない固定コストで、対応する離散化アルゴリズムが正確なサンプルを生成することを示す。
論文参考訳（メタデータ） (2023-02-14T23:50:53Z)
Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation [59.45669299295436]
教師なしニューラルソルバのトレーニングのためのモンテカルロPDEソルバを提案する。我々は、マクロ現象をランダム粒子のアンサンブルとみなすPDEの確率的表現を用いる。対流拡散, アレン・カーン, ナヴィエ・ストークス方程式に関する実験により, 精度と効率が著しく向上した。
論文参考訳（メタデータ） (2023-02-10T08:05:19Z)
FaDIn: Fast Discretized Inference for Hawkes Processes with General Parametric Kernels [82.53569355337586]
この研究は、有限なサポートを持つ一般パラメトリックカーネルを用いた時間点プロセス推論の効率的な解を提供する。脳磁図(MEG)により記録された脳信号からの刺激誘発パターンの発生をモデル化し,その有効性を評価する。その結果,提案手法により,最先端技術よりもパターン遅延の推定精度が向上することが示唆された。
論文参考訳（メタデータ） (2022-10-10T12:35:02Z)
Estimating a potential without the agony of the partition function [5.994412766684842]
サンプルが与えられたギブス密度関数を推定することは、計算統計学と統計学において重要な問題である。最大A-Posteriori (MAP) 推定器に基づく代替手法を提案する。
論文参考訳（メタデータ） (2022-08-19T16:27:02Z)
Computational-Statistical Gaps in Reinforcement Learning [23.517741855454044]
そこでは,CNF式を決定論的遷移,動作の定数数,低次元線形最適値関数を備えたMDP仮説に変換する。この結果は線形関数近似を用いた強化学習における最初の計算統計的ギャップを示す。
論文参考訳（メタデータ） (2022-02-11T04:48:35Z)
Efficient semidefinite-programming-based inference for binary and multi-class MRFs [83.09715052229782]
分割関数やMAP推定をペアワイズMRFで効率的に計算する手法を提案する。一般のバイナリMRFから完全多クラス設定への半定緩和を拡張し、解法を用いて再び効率的に解けるようなコンパクトな半定緩和を開発する。
論文参考訳（メタデータ） (2020-12-04T15:36:29Z)
Particles to Partial Differential Equations Parsimoniously [0.0]
粗粒の有効部分微分方程式は、予測や制御のような計算集約的なタスクにかなりの節約をもたらす可能性がある。本稿では,ニューラルネットワークとマルチスケール計算を組み合わせる枠組みを,方程式自由数値の形で提案する。素粒子シミュレーションから大まかな粒度進化方程式を抽出し, 未知のマクロスケール変数を用いた手法を提案する。
論文参考訳（メタデータ） (2020-11-09T15:51:24Z)
SLEIPNIR: Deterministic and Provably Accurate Feature Expansion for Gaussian Process Regression with Derivatives [86.01677297601624]
本稿では,2次フーリエ特徴に基づく導関数によるGP回帰のスケーリング手法を提案する。我々は、近似されたカーネルと近似された後部の両方に適用される決定論的、非漸近的、指数関数的に高速な崩壊誤差境界を証明した。
論文参考訳（メタデータ） (2020-03-05T14:33:20Z)

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。