Fugu-MT 論文翻訳(概要): Recent Developments on Factor Models and its Applications in Econometric Learning

論文の概要: Recent Developments on Factor Models and its Applications in Econometric Learning

arxiv url: http://arxiv.org/abs/2009.10103v1
Date: Mon, 21 Sep 2020 18:02:20 GMT
ステータス: 処理完了
システム内更新日: 2022-10-16 05:24:38.039566
Title: Recent Developments on Factor Models and its Applications in Econometric Learning
Title（参考訳）: 因子モデルに関する最近の研究動向と計量学習への応用
Authors: Jianqing Fan, Kunpeng Li, Yuan Liao
Abstract要約: 因子モデルの低ランク構造の観点から、特に低ランク回復の観点からモデルの推定に注意を向ける。調査は主に3つの部分から構成されており、第1部は高次元モデルの低ランク構造を復元する最新の手法に基づく新しい因子推定のレビューである。第2部では、いくつかの因子強化モデルの統計的推測と、計量的学習モデルへの応用について論じる。
参考スコア（独自算出の注目度）: 13.51428541306368
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper makes a selective survey on the recent development of the factor model and its application on statistical learnings. We focus on the perspective of the low-rank structure of factor models, and particularly draws attentions to estimating the model from the low-rank recovery point of view. The survey mainly consists of three parts: the first part is a review on new factor estimations based on modern techniques on recovering low-rank structures of high-dimensional models. The second part discusses statistical inferences of several factor-augmented models and applications in econometric learning models. The final part summarizes new developments dealing with unbalanced panels from the matrix completion perspective.
Abstract（参考訳）: 本稿では,最近の因子モデルの開発とその統計的学習への応用について選択的に調査する。我々は,因子モデルの低ランク構造の観点からの視点に着目し,特に低ランクリカバリの観点からモデルの推定に注意を向ける。調査は主に3つの部分から構成されており、第1部は高次元モデルの低ランク構造を復元する最新の手法に基づく新しい因子推定のレビューである。第2部では,いくつかの因子推論モデルの統計的推論と,計量的学習モデルの応用について論じる。最後に、マトリックス完成の観点から、不均衡なパネルを扱う新しい開発をまとめます。

関連論文リスト

Rethinking Weight-Averaged Model-merging [15.2881959315021]
重み付きモデルマージはディープラーニングにおいて強力なアプローチとして登場し、微調整や再訓練なしにモデル性能を向上させることができる。本稿では,この手法を3つの新しい視点から検討し,重み付きモデルマージがどのように動作するのか,なぜより深い知見を提供する。私たちの発見は、平均的なモデルマージの"ブラックボックス"に光を当て、貴重な洞察と実践的なレコメンデーションを提供しました。
論文参考訳（メタデータ） (2024-11-14T08:02:14Z)
PerturBench: Benchmarking Machine Learning Models for Cellular Perturbation Analysis [14.526536510805755]
本稿では,この急速に発展する分野におけるベンチマークの標準化を目的として,単一細胞における摂動の影響を予測するための包括的なフレームワークを提案する。当社のフレームワークであるPerturBenchには、ユーザフレンドリなプラットフォーム、多様なデータセット、フェアモデル比較のためのメトリクス、詳細なパフォーマンス分析が含まれています。
論文参考訳（メタデータ） (2024-08-20T07:40:20Z)
NeuralFactors: A Novel Factor Learning Approach to Generative Modeling of Equities [0.0]
ニューラルネットワークが因子の露出を出力し、因子が返ってくる因子分析のための、新しい機械学習ベースのアプローチであるNeuralFactorsを紹介する。このモデルは,ログライクな性能と計算効率の観点から,従来の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2024-08-02T18:01:09Z)
A Comprehensive Evaluation and Analysis Study for Chinese Spelling Check [53.152011258252315]
音声とグラフィックの情報を合理的に使用することは,中国語のスペルチェックに有効であることを示す。モデルはテストセットのエラー分布に敏感であり、モデルの欠点を反映している。一般的なベンチマークであるSIGHANは、モデルの性能を確実に評価できない。
論文参考訳（メタデータ） (2023-07-25T17:02:38Z)
Representer Point Selection for Explaining Regularized High-dimensional Models [105.75758452952357]
本稿では,高次元表現器と呼ぶサンプルベース説明のクラスを紹介する。私たちのワークホースは、一般化された高次元モデルに対する新しい代表者定理である。提案手法の実証的性能について,実世界の2進分類データセットと2つの推薦システムデータセットを用いて検討した。
論文参考訳（メタデータ） (2023-05-31T16:23:58Z)
Minimal Value-Equivalent Partial Models for Scalable and Robust Planning in Lifelong Reinforcement Learning [56.50123642237106]
モデルに基づく強化学習における一般的な実践は、エージェントの環境のあらゆる側面をモデル化するモデルを学ぶことである。このようなモデルは、生涯にわたる強化学習シナリオにおいて、スケーラブルで堅牢な計画を実行するのに特に適していない、と我々は主張する。我々は,「最小値部分モデル」と呼ぶ,環境の関連する側面のみをモデル化する新しい種類のモデルを提案する。
論文参考訳（メタデータ） (2023-01-24T16:40:01Z)
Operationalizing Specifications, In Addition to Test Sets for Evaluating Constrained Generative Models [17.914521288548844]
生成モデルのスケールは、評価自体が実行される抽象レベルを高めるために利用することができると論じる。我々の勧告は、生成品質を評価するための強力な手段として仕様を活用することに基づいている。
論文参考訳（メタデータ） (2022-11-19T06:39:43Z)
Are Neural Topic Models Broken? [81.15470302729638]
トピックモデルの自動評価と人的評価の関係について検討する。ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
論文参考訳（メタデータ） (2022-10-28T14:38:50Z)
Forethought and Hindsight in Credit Assignment [62.05690959741223]
我々は、前向きモデルや後向きモデルによる後向き操作による予測として使われる計画の利益と特異性を理解するために活動する。本稿では,予測を(再)評価すべき状態の選択に主眼を置いて,計画におけるモデルの利用について検討する。
論文参考訳（メタデータ） (2020-10-26T16:00:47Z)
Improving the Reconstruction of Disentangled Representation Learners via Multi-Stage Modeling [54.94763543386523]
現在の自己エンコーダに基づく非絡み合い表現学習法は、(集合体)後部をペナルティ化し、潜伏因子の統計的独立を促進することで、非絡み合いを実現する。本稿では,不整合因子をペナルティに基づく不整合表現学習法を用いて学習する,新しい多段階モデリング手法を提案する。次に、低品質な再構成を、欠落した関連潜伏変数をモデル化するために訓練された別の深層生成モデルで改善する。
論文参考訳（メタデータ） (2020-10-25T18:51:15Z)
Model Repair: Robust Recovery of Over-Parameterized Statistical Models [24.319310729283636]
そこでは,データから推定された統計モデルを破損させた統計モデルを復元することが目的である。モデルを教師付き学習環境に適合させるために使用する応答値ではなく,設計のみを用いてモデルを再ペアリングする手法を提案する。
論文参考訳（メタデータ） (2020-05-20T08:41:56Z)

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。