Fugu-MT 論文翻訳(概要): A Kernel Two-Sample Test for Functional Data

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

An Efficient Permutation-Based Kernel Two-Sample Test [12.331562761756679]
2サンプル仮説テストは統計学と機械学習の基本的な問題である。本研究では,最大平均誤差(MMD)のNystr "om approxation"を用いて,計算効率よく実用的なテストアルゴリズムを設計する。
論文参考訳（メタデータ） (2025-02-19T09:22:48Z)
Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
論文参考訳（メタデータ） (2025-02-11T19:24:09Z)
Semiparametric inference for impulse response functions using double/debiased machine learning [49.1574468325115]
本稿では,インパルス応答関数(IRF)に対する機械学習推定手法を提案する。提案した推定器は、処理と結果変数の完全な非パラメトリック関係に依存することができ、柔軟な機械学習アプローチを用いてIRFを推定することができる。
論文参考訳（メタデータ） (2024-11-15T07:42:02Z)
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 [4.07125466598411]
最大平均誤差(MMD)に基づくカーネル2サンプルテストは、一般的な距離空間上の2つの分布の違いを検出する最も一般的な方法の1つである。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手法を提案する。
論文参考訳（メタデータ） (2023-02-21T14:14:30Z)
Score-based Diffusion Models in Function Space [137.70916238028306]
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。この研究は、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)と呼ばれる数学的に厳密なフレームワークを導入する。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)
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。