論文の概要: A Kernel Two-Sample Test for Functional Data
- arxiv url: http://arxiv.org/abs/2008.11095v2
- Date: Mon, 19 Oct 2020 12:02:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 04:27:51.125203
- Title: A Kernel Two-Sample Test for Functional Data
- Title(参考訳): 関数データのためのカーネル2サンプルテスト
- Authors: George Wynne, Andrew B. Duncan
- Abstract要約: 2つの関数のサンプルが同じ基底分布を持つという仮説をテストするために,最大平均離散性(MMD)に基づく非パラメトリック2サンプル試験法を提案する。
この構造は、MDDベースの次元の増大するデータセットに対する効率のスケーリング分析によって動機付けられている。
- 参考スコア(独自算出の注目度): 0.76146285961466
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a nonparametric two-sample test procedure based on Maximum Mean
Discrepancy (MMD) for testing the hypothesis that two samples of functions have
the same underlying distribution, using kernels defined on function spaces.
This construction is motivated by a scaling analysis of the efficiency of
MMD-based tests for datasets of increasing dimension. Theoretical properties of
kernels on function spaces and their associated MMD are established and
employed to ascertain the efficacy of the newly proposed test, as well as to
assess the effects of using functional reconstructions based on discretised
function samples. The theoretical results are demonstrated over a range of
synthetic and real world datasets.
- Abstract(参考訳): 本稿では,関数空間上で定義されたカーネルを用いて,関数の2つのサンプルが同じ基底分布を持つという仮説を検証するための,最大平均離散性(MMD)に基づく非パラメトリック2サンプル試験手法を提案する。
この構造は、MDDベースの次元の増大するデータセットに対する効率のスケーリング分析によって動機付けられている。
関数空間とその関連MDD上のカーネルの理論的特性を確立し, 新たに提案した試験の有効性を確認し, 離散化関数サンプルに基づく機能的再構成の有効性を評価する。
理論的結果は、様々な合成および実世界のデータセットで実証される。
関連論文リスト
- MMD-FUSE: Learning and Combining Kernels for Two-Sample Testing Without
Data Splitting [28.59390881834003]
最大平均離散性(MMD)に基づく2サンプルテストのパワーを最大化する新しい統計法を提案する。
これらのカーネルは、データ分割を避けるために、よく校正されたテストで、データ依存だが置換に依存しない方法でどのように選択できるかを示す。
我々は,合成低次元および実世界の高次元データに対するMDD-FUSEテストの適用性を強調し,その性能を現状のカーネルテストと比較した。
論文 参考訳(メタデータ) (2023-06-14T23:13:03Z) - Boosting the Power of Kernel Two-Sample Tests [7.1795069620810805]
マハラノビス距離を用いて、複数のカーネル上でMDD推定値を組み合わせることで、カーネルテストのパワーを高める方法を提案する。
結果として得られるテストは普遍的に一貫したものであり、カーネル/バンド幅の拒絶に対して集約することで得られるので、有限サンプルにおいて幅広い代替品を検出するのにより強力である。
論文 参考訳(メタデータ) (2023-02-21T14:14:30Z) - 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) - Score Approximation, Estimation and Distribution Recovery of Diffusion
Models on Low-Dimensional Data [68.62134204367668]
本稿では,未知の低次元線形部分空間上でデータをサポートする場合の拡散モデルのスコア近似,推定,分布回復について検討する。
適切に選択されたニューラルネットワークアーキテクチャでは、スコア関数を正確に近似し、効率的に推定することができる。
推定スコア関数に基づいて生成された分布は、データ幾何学構造を捕捉し、データ分布の近傍に収束する。
論文 参考訳(メタデータ) (2023-02-14T17:02:35Z) - Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。
また、局所的な一貫性の結果に基づいた理論的保証も提供する。
この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
論文 参考訳(メタデータ) (2022-11-17T15:48:06Z) - A Fourier representation of kernel Stein discrepancy with application to
Goodness-of-Fit tests for measures on infinite dimensional Hilbert spaces [6.437931786032493]
Kernel Stein discrepancy (KSD) は、確率測度間の差異のカーネルベースの尺度である。
我々は、分離可能なヒルベルト空間に横たわるデータの一般性において、KSDを初めて解析する。
これにより、KSDが測定を分離できることを証明できるので、実際は有効である。
論文 参考訳(メタデータ) (2022-06-09T15:04:18Z) - Nonparametric Conditional Local Independence Testing [69.31200003384122]
条件付き局所独立は、連続的な時間プロセス間の独立関係である。
条件付き地域独立の非パラメトリックテストは行われていない。
二重機械学習に基づく非パラメトリックテストを提案する。
論文 参考訳(メタデータ) (2022-03-25T10:31:02Z) - Measuring dissimilarity with diffeomorphism invariance [94.02751799024684]
DID(DID)は、幅広いデータ空間に適用可能なペアワイズな相似性尺度である。
我々は、DIDが理論的研究と実用に関係のある特性を享受していることを証明する。
論文 参考訳(メタデータ) (2022-02-11T13:51:30Z) - Meta Learning Low Rank Covariance Factors for Energy-Based Deterministic
Uncertainty [58.144520501201995]
ニューラルネットワーク層のBi-Lipschitz正規化は、各レイヤの特徴空間におけるデータインスタンス間の相対距離を保存する。
注意セットエンコーダを用いて,タスク固有の共分散行列を効率的に構築するために,対角的,対角的,低ランクな要素のメタ学習を提案する。
また,最終的な予測分布を達成するために,スケールしたエネルギーを利用する推論手法を提案する。
論文 参考訳(メタデータ) (2021-10-12T22:04:19Z) - Efficient Multidimensional Functional Data Analysis Using Marginal
Product Basis Systems [2.4554686192257424]
多次元関数データのサンプルから連続表現を学習するためのフレームワークを提案する。
本研究では, テンソル分解により, 得られた推定問題を効率的に解けることを示す。
我々は、ニューロイメージングにおける真のデータ応用で締めくくっている。
論文 参考訳(メタデータ) (2021-07-30T16:02:15Z) - Neural Tangent Kernel Maximum Mean Discrepancy [15.181152078304846]
我々は,ニューラル・タンジェント・カーネル(NTK)とMDD統計との接続を同定し,新しいニューラルネットワークの最大平均離散性(MMD)統計量を示す。
この接続により,MDD統計量を計算するための計算効率が高く,メモリ効率のよい手法が開発できる。
論文 参考訳(メタデータ) (2021-06-06T20:00:39Z)
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。