Fugu-MT 論文翻訳(概要): Robust hypothesis testing and distribution estimation in Hellinger distance

論文の概要: Robust hypothesis testing and distribution estimation in Hellinger distance

arxiv url: http://arxiv.org/abs/2011.01848v1
Date: Tue, 3 Nov 2020 17:09:32 GMT
ステータス: 処理完了
システム内更新日: 2022-09-30 04:44:33.311417
Title: Robust hypothesis testing and distribution estimation in Hellinger distance
Title（参考訳）: ヘリンジャー距離におけるロバスト仮説検定と分布推定
Authors: Ananda Theertha Suresh
Abstract要約: 最適なネマン・ピアソン検定と同一のサンプル複雑性を持つ単純な頑健な仮説検定を提案する。本稿では,ヘリンジャー距離における分布推定のためのロバストなテストの適用性について論じる。
参考スコア（独自算出の注目度）: 18.950453666957692
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a simple robust hypothesis test that has the same sample complexity as that of the optimal Neyman-Pearson test up to constants, but robust to distribution perturbations under Hellinger distance. We discuss the applicability of such a robust test for estimating distributions in Hellinger distance. We empirically demonstrate the power of the test on canonical distributions.
Abstract（参考訳）: 我々は,最適なネマン・ピアソン検定と同一のサンプル複雑性を持つ単純な頑健な仮説テストを提案するが,ヘリンジャー距離下での分布摂動には頑健である。ヘリンガー距離の分布推定におけるロバストなテストの適用性について検討する。正準分布に対する試験のパワーを実証的に示す。

関連論文リスト

Theory on Score-Mismatched Diffusion Models and Zero-Shot Conditional Samplers [49.97755400231656]
本報告では,明示的な次元の一般スコアミスマッチ拡散サンプリング器を用いた最初の性能保証について述べる。その結果, スコアミスマッチは, 目標分布とサンプリング分布の分布バイアスとなり, 目標分布とトレーニング分布の累積ミスマッチに比例することがわかった。この結果は、測定ノイズに関係なく、任意の条件モデルに対するゼロショット条件付きサンプリングに直接適用することができる。
論文参考訳（メタデータ） (2024-10-17T16:42:12Z)
Uncertainty Quantification via Stable Distribution Propagation [60.065272548502]
本稿では,ニューラルネットワークによる安定確率分布の伝播手法を提案する。提案手法は局所線形化に基づいており,ReLU非線型性に対する全変動距離の近似値として最適であることを示す。
論文参考訳（メタデータ） (2024-02-13T09:40:19Z)
Using Perturbation to Improve Goodness-of-Fit Tests based on Kernelized Stein Discrepancy [3.78967502155084]
Kernelized Stein discrepancy (KSD) は、良質なテストで広く使われているスコアベースの不一致である。我々は、KSD試験が、ターゲットと代替分布が同一の分離モードを持つが混合比が異なる場合、低出力に悩まされることを理論的かつ実証的に示す。
論文参考訳（メタデータ） (2023-04-28T11:13:18Z)
Doubly Robust Kernel Statistics for Testing Distributional Treatment Effects [18.791409397894835]
我々は、再生産ケルネルヒルベルト空間(RKHS)内の因果分布を表すために、以前に導入されたフレームワークである対実平均埋め込みを構築した。これらの改良された推定器は、カーネル空間内の同様の形式を用いて、因果平均の二重に頑健な推定器に着想を得ている。これにより, 分布因果効果に対する新しい変分に基づく検定が実現し, 提案する推定器を検定統計として利用した。
論文参考訳（メタデータ） (2022-12-09T15:32:19Z)
Kernel Robust Hypothesis Testing [20.78285964841612]
本稿では,カーネル方式を用いて不確実性集合をデータ駆動方式で構築する。目標は、不確実性集合上の最悪のケース分布の下でうまく機能するテストを設計することである。 Neyman-Pearsonの設定では、誤検知の最悪のケース確率を最小限に抑え、誤警報の最悪のケース確率を制約する。
論文参考訳（メタデータ） (2022-03-23T23:59:03Z)
A Data-Driven Approach to Robust Hypothesis Testing Using Sinkhorn Uncertainty Sets [12.061662346636645]
シンクホーン距離を用いた試料から, 実験分布を中心とした分布不確実性集合に対する最悪の検出法を求める。ワッサーシュタインのロバスト試験と比較すると、対応する最も好ましい分布はトレーニングサンプルを超えてサポートされ、より柔軟な検出器を提供する。
論文参考訳（メタデータ） (2022-02-09T03:26:15Z)
An $\ell^p$-based Kernel Conditional Independence Test [21.689461247198388]
そこで本稿では, 最適分布の2つのカーネルベース代表者間の距離を$Lp$とする, 条件付き独立性のための計算効率の高い新しいテストを提案する。我々は,新しい試験の性能が,高次元設定においても,統計的パワーとタイプI誤差の両方の観点から,最先端の手法よりも優れていることを示す一連の実験を行った。
論文参考訳（メタデータ） (2021-10-28T03:18:27Z)
Instance-Optimal Compressed Sensing via Posterior Sampling [101.43899352984774]
後部サンプリング推定器がほぼ最適回復保証を達成できることを示す。本稿では,Langevin dynamics を用いた深部生成前駆体の後方サンプリング推定器を実装し,MAP よりも精度の高い推定値が得られることを実証的に見出した。
論文参考訳（メタデータ） (2021-06-21T22:51:56Z)
Balance-Subsampled Stable Prediction [55.13512328954456]
本稿では, 分数分解設計理論に基づく新しいバランスサブサンプル安定予測法を提案する。設計理論解析により,提案手法は分布シフトによって誘導される予測器間の共起効果を低減できることを示した。合成および実世界の両方のデータセットに関する数値実験により、BSSPアルゴリズムは未知のテストデータ間で安定した予測を行うためのベースライン法を著しく上回っていることが示された。
論文参考訳（メタデータ） (2020-06-08T07:01:38Z)
Minimax Optimal Estimation of KL Divergence for Continuous Distributions [56.29748742084386]
Kullback-Leibler の同一および独立に分布するサンプルからの発散は、様々な領域において重要な問題である。単純で効果的な推定器の1つは、これらのサンプル間の近辺 k に基づいている。
論文参考訳（メタデータ） (2020-02-26T16:37:37Z)
Distributionally Robust Bayesian Quadrature Optimization [60.383252534861136]
確率分布が未知な分布の不確実性の下でBQOについて検討する。標準的なBQOアプローチは、固定されたサンプル集合が与えられたときの真の期待目標のモンテカルロ推定を最大化する。この目的のために,新しい後方サンプリングに基づくアルゴリズム,すなわち分布的に堅牢なBQO(DRBQO)を提案する。
論文参考訳（メタデータ） (2020-01-19T12:00:33Z)

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。