Fugu-MT 論文翻訳(概要): Boosting in Univariate Nonparametric Maximum Likelihood Estimation

論文の概要: Boosting in Univariate Nonparametric Maximum Likelihood Estimation

arxiv url: http://arxiv.org/abs/2101.08505v1
Date: Thu, 21 Jan 2021 08:46:33 GMT
ステータス: 処理完了
システム内更新日: 2021-03-21 08:00:24.272132
Title: Boosting in Univariate Nonparametric Maximum Likelihood Estimation
Title（参考訳）: 不定値非パラメトリック最大度推定におけるブースティング
Authors: YunPeng Li, ZhaoHui Ye
Abstract要約: 非パラメトリック最大推定は未知の密度分布を推定することを目的としている。非パラメトリックデータフィッティングにおけるオーバーパラメータ化を軽減するため、スムーズな仮定は通常、推定にマージされる。非パラメトリックログ類似性の2次近似によりブースティングアルゴリズムを推定する。
参考スコア（独自算出の注目度）: 5.770800671793959
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Nonparametric maximum likelihood estimation is intended to infer the unknown density distribution while making as few assumptions as possible. To alleviate the over parameterization in nonparametric data fitting, smoothing assumptions are usually merged into the estimation. In this paper a novel boosting-based method is introduced to the nonparametric estimation in univariate cases. We deduce the boosting algorithm by the second-order approximation of nonparametric log-likelihood. Gaussian kernel and smooth spline are chosen as weak learners in boosting to satisfy the smoothing assumptions. Simulations and real data experiments demonstrate the efficacy of the proposed approach.
Abstract（参考訳）: 非パラメトリック最大推定は、できるだけ少ない仮定で未知の密度分布を推定することを目的としている。非パラメトリックデータフィッティングにおけるオーバーパラメータ化を軽減するため、スムーズな仮定は通常、推定にマージされる。本稿では,単変量の場合の非パラメトリック推定に新しいブースティング法を提案する。非パラメトリックログ類似性の2次近似によりブースティングアルゴリズムを推定する。ガウスカーネルと滑らかなスプラインは、滑らかな仮定を満たすために強化の弱い学習者として選択される。シミュレーションと実データ実験により提案手法の有効性が示された。

関連論文リスト

Accelerating Stochastic Probabilistic Inference [1.599072005190786]
変分推論(SVI)は確率モデルの良好な後部近似を求める能力により、ますます魅力的になっている。最先端のSVIアルゴリズムのほとんど全てが一階最適化に基づいており、しばしば収束率の低下に悩まされている。我々は二階法と変分推論のギャップを二階法に基づく変分推論手法によって埋める。
論文参考訳（メタデータ） (2022-03-15T01:19:12Z)
A Non-Classical Parameterization for Density Estimation Using Sample Moments [0.0]
サンプルモーメントを用いた密度推定のための古典的でないパラメータ化を提案する。マルチモーダル密度を推定する際の推定器の性能について述べる。
論文参考訳（メタデータ） (2022-01-13T04:28:52Z)
Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
論文参考訳（メタデータ） (2021-08-25T21:30:27Z)
Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
論文参考訳（メタデータ） (2021-07-21T17:10:14Z)
Statistical inference using Regularized M-estimation in the reproducing kernel Hilbert space for handling missing data [0.76146285961466]
まずカーネルリッジレグレッションを用いてアイテム非応答の処理を行う。カーネルヒルベルト空間を用いた非パラメトリック確率スコア推定器も開発した。提案手法は,中国北京で測定された大気汚染データを解析するためのものである。
論文参考訳（メタデータ） (2021-07-15T14:51:39Z)
Near-Optimal High Probability Complexity Bounds for Non-Smooth Stochastic Optimization with Heavy-Tailed Noise [63.304196997102494]
アルゴリズムが高い確率で小さな客観的残差を与えることを理論的に保証することが不可欠である。既存の非滑らか凸最適化法は、負のパワーまたは対数的な信頼度に依存する境界の複雑さを持つ。クリッピングを用いた2つの勾配法に対して, 新たなステップサイズルールを提案する。
論文参考訳（メタデータ） (2021-06-10T17:54:21Z)
Multivariate Probabilistic Regression with Natural Gradient Boosting [63.58097881421937]
多変量予測分布の条件パラメータを非パラメトリックにモデル化したNatural Gradient Boosting (NGBoost) 手法を提案する。提案手法は頑健で, 広範囲なチューニングを伴わず, 推定対象分布に対してモジュール構造であり, 既存の手法と比較して競争力がある。
論文参考訳（メタデータ） (2021-06-07T17:44:49Z)
MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood Inference from Sampled Trajectories [61.3299263929289]
シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
論文参考訳（メタデータ） (2021-06-03T12:59:16Z)
The computational asymptotics of Gaussian variational inference [19.607668635077495]
変動推論は、事前定義されたモンテカルロ法に代わる一般的な方法である。最適近似は、典型的には計算できない。 CSVIは、グローバルに最適な後部を得る可能性を向上させます。
論文参考訳（メタデータ） (2021-04-13T01:23:34Z)
Online Statistical Inference for Gradient-free Stochastic Optimization [11.00424351177597]
勾配自由最適化法に基づくモデルパラメータの統計的推測問題について検討する。本稿では,ポリアークラッパート吸収型勾配自由度推定器の集中限界値について述べる。また、共分散推定のための一般的な勾配のないフレームワークを提供し、共分散推定器の収束速度における関数クエリの複雑さの役割を解析する。
論文参考訳（メタデータ） (2021-02-05T19:22:41Z)
Continuous Wasserstein-2 Barycenter Estimation without Minimax Optimization [94.18714844247766]
ワッサーシュタイン・バリセンターは、最適輸送に基づく確率測度の重み付き平均の幾何学的概念を提供する。本稿では,Wasserstein-2 バリセンタのサンプルアクセスを演算するスケーラブルなアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-02-02T21:01:13Z)

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。