Fugu-MT 論文翻訳(概要): On the robustness of kernel-based pairwise learning

論文の概要: On the robustness of kernel-based pairwise learning

arxiv url: http://arxiv.org/abs/2010.15527v1
Date: Thu, 29 Oct 2020 12:47:54 GMT
ステータス: 処理完了
システム内更新日: 2022-10-01 22:08:35.058185
Title: On the robustness of kernel-based pairwise learning
Title（参考訳）: カーネルベースペアワイズ学習のロバスト性について
Authors: Patrick Gensler and Andreas Christmann
Abstract要約: カーネルベースのペアワイズ学習の統計的ロバスト性に関する多くの結果は、基本的に入力空間と出力空間の仮定なしに導出できることが示されている。影響関数の存在と有界性に関する結果を得るとともに,カーネルベース推定器の質的ロバスト性を示す。
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: It is shown that many results on the statistical robustness of kernel-based pairwise learning can be derived under basically no assumptions on the input and output spaces. In particular neither moment conditions on the conditional distribution of Y given X = x nor the boundedness of the output space is needed. We obtain results on the existence and boundedness of the influence function and show qualitative robustness of the kernel-based estimator. The present paper generalizes results by Christmann and Zhou (2016) by allowing the prediction function to take two arguments and can thus be applied in a variety of situations such as ranking.
Abstract（参考訳）: カーネルベースペアワイズ学習の統計的ロバスト性に関する多くの結果が、入力空間と出力空間の仮定のもとに導出できることが示されている。特に、x = x が与えられた y の条件分布上のモーメント条件や出力空間の有界性は必要ではない。本研究では,影響関数の存在と有界性に関する結果を求め,カーネルベース推定器の質的ロバスト性を示す。本稿では,Christmann and Zhou (2016) による結果を一般化し,予測関数が2つの議論を行えるようにし,ランキングなどの様々な状況に適用できることを示す。

関連論文リスト

An Overview of Causal Inference using Kernel Embeddings [14.298666697532838]
カーネル埋め込みは、様々な統計的推論問題における確率測度を表現する強力なツールとして登場した。主な課題は、因果関係を特定し、観測データから平均的な治療効果を推定することである。
論文参考訳（メタデータ） (2024-10-30T07:23:34Z)
Statistical Inference for Temporal Difference Learning with Linear Function Approximation [62.69448336714418]
時間差差(TD)学習は、おそらく政策評価に最も広く使用されるものであり、この目的の自然な枠組みとして機能する。本稿では,Polyak-Ruppert平均化と線形関数近似によるTD学習の整合性について検討し,既存の結果よりも3つの重要な改善点を得た。
論文参考訳（メタデータ） (2024-10-21T15:34:44Z)
Hoeffding decomposition of black-box models with dependent inputs [30.076357972854723]
弱条件下での従属入力に対するHoeffdingの分解を一般化する。 2つの仮定を尊重するランダム要素の平方可積分実数値関数は、一意に加法的に加法され、特徴づけられることを示す。
論文参考訳（メタデータ） (2023-10-10T12:28:53Z)
Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
論文参考訳（メタデータ） (2022-08-29T16:16:22Z)
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)
On the Benefits of Large Learning Rates for Kernel Methods [110.03020563291788]
本稿では,カーネル手法のコンテキストにおいて,現象を正確に特徴付けることができることを示す。分離可能なヒルベルト空間における2次対象の最小化を考慮し、早期停止の場合、学習速度の選択が得られた解のスペクトル分解に影響を及ぼすことを示す。
論文参考訳（メタデータ） (2022-02-28T13:01:04Z)
Distribution Regression with Sliced Wasserstein Kernels [45.916342378789174]
分布回帰のための最初のOTに基づく推定器を提案する。このような表現に基づくカーネルリッジ回帰推定器の理論的性質について検討する。
論文参考訳（メタデータ） (2022-02-08T15:21:56Z)
Confidence-Optimal Random Embeddings [0.0]
本稿では、最適でデータに富む統計信頼度境界を持つjohnson-lindenstrauss分布を考案する。境界は、任意のデータ次元、埋め込み、および歪み耐性に対して、数値的に最良である。統計的精度の面での先行作業の改善に加え、データ可読アプローチの無意味な体制を正確に決定します。
論文参考訳（メタデータ） (2021-04-06T18:00:02Z)
Probabilistic Kolmogorov-Arnold Network [1.4732811715354455]
本稿では,アレータティック不確実性の場合に出力の確率分布を推定する手法を提案する。提案手法は, 出力の入力依存確率分布と, 入力による分布型の変化を対象とする。本手法は任意の回帰モデルに適用できるが, 計算効率のよいモデルの構築につながるため,kansと組み合わせる。
論文参考訳（メタデータ） (2021-04-04T23:49:15Z)
General stochastic separation theorems with optimal bounds [68.8204255655161]
分離性の現象が明らかになり、機械学習で人工知能(AI)システムのエラーを修正し、AI不安定性を分析するために使用された。エラーやエラーのクラスタは、残りのデータから分離することができる。 AIシステムを修正する能力は、それに対する攻撃の可能性も開き、高次元性は、同じ分離性によって引き起こされる脆弱性を誘発する。
論文参考訳（メタデータ） (2020-10-11T13:12:41Z)
Uncertainty quantification for nonconvex tensor completion: Confidence intervals, heteroscedasticity and optimality [92.35257908210316]
本研究では,不完全かつ破損した観測によって与えられる低ランクテンソルを推定する問題について検討する。改善不可能なレートをell-2$の精度で達成できることが分かりました。
論文参考訳（メタデータ） (2020-06-15T17:47:13Z)

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。