論文の概要: Sharp finite-sample concentration of independent variables
- arxiv url: http://arxiv.org/abs/2008.13293v5
- Date: Fri, 8 Oct 2021 21:16:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 12:19:40.677758
- Title: Sharp finite-sample concentration of independent variables
- Title(参考訳): 独立変数のシャープ有限サンプル濃度
- Authors: Akshay Balsubramani
- Abstract要約: 大偏差に関するサノフの定理の拡張を示す。
我々は、一致した濃度と反集中境界を持つ確率変数のテール確率を制御する。
- 参考スコア(独自算出の注目度): 5.788221302433176
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We show an extension of Sanov's theorem on large deviations, controlling the
tail probabilities of i.i.d. random variables with matching concentration and
anti-concentration bounds. This result has a general scope, applies to samples
of any size, and has a short information-theoretic proof using elementary
techniques.
- Abstract(参考訳): 本研究では,大偏差に対するサノフの定理の拡張を示し,濃度と反集中境界の一致した確率変数のテール確率を制御する。
この結果は、あらゆる大きさのサンプルに適用できる一般的なスコープを持ち、初等的手法を用いた短い情報理論的な証明を持っている。
関連論文リスト
- Theoretical Analysis of Leave-one-out Cross Validation for
Non-differentiable Penalties under High-dimensional Settings [12.029919627622954]
我々は, サンプル外リスクを推定する上で, 期待される2乗誤差(LO)に対して, サンプル上限を有限に設定する。
ここで提示される理論的枠組みは、LOの精度を示す経験的発見を解明するための確かな基盤を提供する。
論文 参考訳(メタデータ) (2024-02-13T15:48:10Z) - Anomaly Detection with Variance Stabilized Density Estimation [67.96748304066827]
密度推定に基づく異常検出スキームは、通常、低密度領域に存在する異常をモデル化する。
修正された密度推定問題を提案し,その異常検出の有効性を実証する。
論文 参考訳(メタデータ) (2023-06-01T11:52:58Z) - Classification of Heavy-tailed Features in High Dimensions: a
Superstatistical Approach [1.4469725791865984]
我々は2つのデータポイントの雲と一般的なセントロイドの混合の学習を特徴付ける。
得られた推定器の一般化性能について検討し、正規化の役割を解析し、分離性遷移を解析した。
論文 参考訳(メタデータ) (2023-04-06T07:53:05Z) - Mean-Square Analysis of Discretized It\^o Diffusions for Heavy-tailed
Sampling [17.415391025051434]
重み付きポインカーの不等式に関連する伊藤拡散の自然クラスを離散化することにより、重み付き分布のクラスからのサンプリングの複雑さを分析する。
平均二乗解析に基づいて、ワッサーシュタイン2計量のターゲット分布に近い分布が$epsilon$のサンプルを得るための反復複雑性を確立する。
論文 参考訳(メタデータ) (2023-03-01T15:16:03Z) - Targeted Separation and Convergence with Kernel Discrepancies [66.48817218787006]
カーネルベースの不一致測度は、(i)ターゲットPを他の確率測度から分離するか、(ii)Pへの弱収束を制御する必要がある。
本稿では, (i) と (ii) を保証するのに十分な,必要な新しい条件を導出する。
可分距離空間上のMDDに対して、ボヒナー埋め込み可測度を分離するカーネルを特徴づけ、すべての測度を非有界カーネルと分離するための単純な条件を導入する。
論文 参考訳(メタデータ) (2022-09-26T16:41:16Z) - Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。
一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
論文 参考訳(メタデータ) (2022-02-23T06:11:49Z) - Robust Estimation for Nonparametric Families via Generative Adversarial
Networks [92.64483100338724]
我々は,高次元ロバストな統計問題を解くためにGAN(Generative Adversarial Networks)を設計するためのフレームワークを提供する。
我々の研究は、これらをロバスト平均推定、第二モーメント推定、ロバスト線形回帰に拡張する。
技術面では、提案したGAN損失は、スムーズで一般化されたコルモゴロフ-スミルノフ距離と見なすことができる。
論文 参考訳(メタデータ) (2022-02-02T20:11:33Z) - Deconfounded Score Method: Scoring DAGs with Dense Unobserved
Confounding [101.35070661471124]
本研究では,観測データ分布に特徴的フットプリントが残っており,突発的・因果的影響を解消できることを示す。
汎用ソルバで実装し,高次元問題へのスケールアップが可能なスコアベース因果検出アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-03-28T11:07:59Z) - Interpolation and Learning with Scale Dependent Kernels [91.41836461193488]
非パラメトリックリッジレス最小二乗の学習特性について検討する。
スケール依存カーネルで定義される推定器の一般的な場合を考える。
論文 参考訳(メタデータ) (2020-06-17T16:43:37Z) - Generic Error Bounds for the Generalized Lasso with Sub-Exponential Data [4.56877715768796]
この研究は、部分指数データの仮定の下で一般化されたラッソの非漸近解析を行う。
本稿では,ジェネリックチェインに基づく証明戦略から自然に生じる2つの複雑性パラメータを用いて,推定誤差を制御できることを示す。
論文 参考訳(メタデータ) (2020-04-11T10:39:48Z) - Sharp Concentration Results for Heavy-Tailed Distributions [17.510560590853576]
重み付き分布を持つ独立分布と同一分布の確率変数の和に対する濃度と大きな偏差を求める。
我々の主定理は、サブワイブル確率変数の和の濃度などの既存の結果のいくつかを復元するだけでなく、重い尾を持つ確率変数の和に対する新しい結果を生成することもできる。
論文 参考訳(メタデータ) (2020-03-30T21:05:29Z)
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。