Fugu-MT 論文翻訳(概要): Density Estimation via Bayesian Inference Engines

論文の概要: Density Estimation via Bayesian Inference Engines

arxiv url: http://arxiv.org/abs/2009.06182v4
Date: Sun, 26 Sep 2021 12:10:30 GMT
ステータス: 処理完了
システム内更新日: 2022-10-18 11:32:18.362620
Title: Density Estimation via Bayesian Inference Engines
Title（参考訳）: ベイズ推論エンジンによる密度推定
Authors: M.P. Wand and J.C.F. Yu
Abstract要約: 本稿では,現代ベイズ推論エンジンを用いて,自動確率密度関数推定がいかに効果的に構築できるかを説明する。提案した密度推定は比較性能に優れ, 双晶化戦略により非常に大きな試料径のスケールに優れる。 R言語の付属パッケージは、新しい密度推定を簡単に利用できる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We explain how effective automatic probability density function estimates can be constructed using contemporary Bayesian inference engines such as those based on no-U-turn sampling and expectation propagation. Extensive simulation studies demonstrate that the proposed density estimates have excellent comparative performance and scale well to very large sample sizes due to a binning strategy. Moreover, the approach is fully Bayesian and all estimates are accompanied by pointwise credible intervals. An accompanying package in the R language facilitates easy use of the new density estimates.
Abstract（参考訳）: 本稿では,非uターンサンプリングや期待伝播に基づくベイズ型推論エンジンを用いて,確率密度関数の自動推定を効果的に構築する方法について述べる。大規模なシミュレーション研究により, 提案した密度推定は, 比較性能に優れ, 双晶法により非常に大きな試料径を有することがわかった。さらに、このアプローチは完全にベイズ的であり、すべての見積もりにはポイントワイズ信頼区間が伴う。 r言語に付随するパッケージは、新しい密度推定を容易に利用することができる。

関連論文リスト

ConjNorm: Tractable Density Estimation for Out-of-Distribution Detection [41.41164637577005]
ポストホックアウト・オブ・ディストリビューション(OOD)検出は、信頼性の高い機械学習において大きな注目を集めている。本稿では,密度に基づくスコア設計の統一的な視点を提供するために,Bregmanの発散に基づく理論的枠組みを提案する。我々は,提案するtextscConjNormが,様々なOOD検出設定において,新たな最先端技術を確立したことを示す。
論文参考訳（メタデータ） (2024-02-27T21:02:47Z)
Investigating the Adversarial Robustness of Density Estimation Using the Probability Flow ODE [4.7818621660181595]
我々は,新しい逆積分攻撃を含む6つの勾配に基づくログライクフード攻撃を導入,評価した。 CIFAR-10を用いた実験では, PF ODE を用いた密度推定は高複雑さ, 高線量攻撃に対して頑健であり, 場合によっては, 頑健な推定器から予測されるように, 対数サンプルが意味論的に意味があることが示唆された。
論文参考訳（メタデータ） (2023-10-10T23:58:53Z)
Density Ratio Estimation-based Bayesian Optimization with Semi-Supervised Learning [5.346298077607419]
この課題を解決するために,半教師付き学習を用いた密度比推定に基づくベイズ最適化を提案する。本手法の実証的な結果といくつかの基本手法を,未ラベルの点サンプリングと固定サイズのプールを持つ2つの異なるシナリオで示す。
論文参考訳（メタデータ） (2023-05-24T23:01:56Z)
Neural Posterior Estimation with Differentiable Simulators [58.720142291102135]
微分可能シミュレータを用いてニューラル・ポストミラー推定(NPE)を行う新しい手法を提案する。勾配情報が後部形状の制約にどのように役立ち、試料効率を向上させるかを示す。
論文参考訳（メタデータ） (2022-07-12T16:08:04Z)
Density Ratio Estimation via Infinitesimal Classification [85.08255198145304]
そこで我々は, DRE-inftyを提案する。 DRE-inftyは, 密度比推定(DRE)を, より簡単なサブプロブレムに還元する手法である。モンテカルロ法にインスパイアされ、中間ブリッジ分布の無限連続体を介して2つの分布の間を滑らかに補間する。提案手法は,複雑な高次元データセット上での相互情報推定やエネルギーベースモデリングなどの下流タスクにおいて良好に動作することを示す。
論文参考訳（メタデータ） (2021-11-22T06:26:29Z)
Featurized Density Ratio Estimation [82.40706152910292]
本研究では,2つの分布を推定前の共通特徴空間にマッピングするために,可逆生成モデルを活用することを提案する。この偉業化は、学習された入力空間の密度比が任意に不正確な場合、潜在空間において密度が密接な関係をもたらす。同時に、特徴写像の可逆性は、特徴空間で計算された比が入力空間で計算された比と同値であることを保証する。
論文参考訳（メタデータ） (2021-07-05T18:30:26Z)
Probabilistic electric load forecasting through Bayesian Mixture Density Networks [70.50488907591463]
確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
論文参考訳（メタデータ） (2020-12-23T16:21:34Z)
Conditional Density Estimation via Weighted Logistic Regressions [0.30458514384586394]
非均一プロセスモデルの一般密度と可能性関数の関連性を示すパラメトリック条件密度推定法を提案する。最大推定値は重み付けされたロジスティック回帰によって得ることができ、ブロックワイズ交互化スキームと局所ケースコントロールサンプリングを組み合わせることで計算を著しく緩和することができる。
論文参考訳（メタデータ） (2020-10-21T11:08:25Z)
Nonparametric Density Estimation from Markov Chains [68.8204255655161]
我々はマルコフ・チェインにインスパイアされた新しい非パラメトリック密度推定器を導入し、よく知られたケルネル密度推定器を一般化する。我々の推定器は, 通常のものに対していくつかの利点を示し, 全密度アルゴリズムの基盤として容易に利用できる。
論文参考訳（メタデータ） (2020-09-08T18:33:42Z)
TraDE: Transformers for Density Estimation [101.20137732920718]
TraDEは自己回帰密度推定のための自己アテンションに基づくアーキテクチャである。本稿では, 生成したサンプルを用いた回帰, 分布外検出, トレーニングデータにおける雑音に対する頑健性などのタスクについて述べる。
論文参考訳（メタデータ） (2020-04-06T07:32:51Z)
A practical and efficient approach for Bayesian quantum state estimation [0.0]
ベイズ量子状態推定のための改良された自己完結型アプローチを導入する。我々の定式化は、高効率なクランク-ニコソンサンプリングと擬似類似度に依存している。理論的に計算コストを解析し、実際のデータセットとシミュレーションデータセットの両方に対する推論の明確な例を示す。
論文参考訳（メタデータ） (2020-02-24T16:32:28Z)

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。