Fugu-MT 論文翻訳(概要): Deep Extreme Value Copulas for Estimation and Sampling

論文の概要: Deep Extreme Value Copulas for Estimation and Sampling

arxiv url: http://arxiv.org/abs/2102.09042v1
Date: Wed, 17 Feb 2021 22:02:47 GMT
ステータス: 処理完了
システム内更新日: 2021-02-20 01:04:08.526541
Title: Deep Extreme Value Copulas for Estimation and Sampling
Title（参考訳）: 推定・サンプリングのための深度極値コプラー
Authors: Ali Hasan, Khalil Elkhalil, Joao M. Pereira, Sina Farsiu, Jose H. Blanchet, Vahid Tarokh
Abstract要約: 本稿では,高次元極値分布の分布関数をモデル化する新しい手法を提案する。極端分布のスペクトル表現を回復する新しい方法を提案し、極端コプラからのサンプリングのための生成モデルを提案する。
参考スコア（独自算出の注目度）: 35.93835819721815
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a new method for modeling the distribution function of high dimensional extreme value distributions. The Pickands dependence function models the relationship between the covariates in the tails, and we learn this function using a neural network that is designed to satisfy its required properties. Moreover, we present new methods for recovering the spectral representation of extreme distributions and propose a generative model for sampling from extreme copulas. Numerical examples are provided demonstrating the efficacy and promise of our proposed methods.
Abstract（参考訳）: 本稿では,高次元極値分布の分布関数をモデル化する新しい手法を提案する。ピカンズ依存関数は尾の共変量間の関係をモデル化し、その必要特性を満たすように設計されたニューラルネットワークを用いてこの関数を学習する。さらに,極端分布のスペクトル表現を復元する新しい手法を提案し,極端コプラからのサンプリングのための生成モデルを提案する。提案手法の有効性と将来性を示す数値的な例を示す。

関連論文リスト

Nonuniform random feature models using derivative information [10.239175197655266]
ニューラルネットワークの初期化のための不均一なデータ駆動パラメータ分布を近似する関数の微分データに基づいて提案する。 We address the case of Heaviside and ReLU activation function and their smooth approximations (Sigmoid and softplus)。入力点における近似微分データに基づいて、これらの正確な密度を単純化し、非常に効率的なサンプリングを可能にし、複数のシナリオにおいて最適なネットワークに近いランダムな特徴モデルの性能をもたらすことを提案する。
論文参考訳（メタデータ） (2024-10-03T01:30:13Z)
Constrained Diffusion Models via Dual Training [80.03953599062365]
拡散プロセスは、トレーニングデータセットのバイアスを反映したサンプルを生成する傾向がある。所望の分布に基づいて拡散制約を付与し,制約付き拡散モデルを構築する。本稿では,制約付き拡散モデルを用いて,目的と制約の最適なトレードオフを実現する混合データ分布から新しいデータを生成することを示す。
論文参考訳（メタデータ） (2024-08-27T14:25:42Z)
Implicit Variational Inference for High-Dimensional Posteriors [7.924706533725115]
変分推論において、ベイズモデルの利点は、真の後続分布を正確に捉えることに依存する。複雑な多重モーダルおよび相関後部を近似するのに適した暗黙分布を特定するニューラルサンプリング手法を提案する。提案手法では,ニューラルネットワークを局所的に線形化することにより,暗黙分布を用いた近似推論の新たなバウンダリを導入する。
論文参考訳（メタデータ） (2023-10-10T14:06:56Z)
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)
Score Approximation, Estimation and Distribution Recovery of Diffusion Models on Low-Dimensional Data [68.62134204367668]
本稿では,未知の低次元線形部分空間上でデータをサポートする場合の拡散モデルのスコア近似,推定,分布回復について検討する。適切に選択されたニューラルネットワークアーキテクチャでは、スコア関数を正確に近似し、効率的に推定することができる。推定スコア関数に基づいて生成された分布は、データ幾何学構造を捕捉し、データ分布の近傍に収束する。
論文参考訳（メタデータ） (2023-02-14T17:02:35Z)
Learning Structured Gaussians to Approximate Deep Ensembles [10.055143995729415]
本稿では,スパース構造多変量ガウシアンを用いて,高密度画像予測タスクのための閉形式近似器を提案する。正規分布における予測の不確かさと構造的相関を、サンプリング単独で暗黙的にではなく、明示的に捉える。単分子深度推定におけるアプローチの利点を実証し,本手法の利点が同等の定量的性能で得られることを示す。
論文参考訳（メタデータ） (2022-03-29T12:34:43Z)
Sampling from Arbitrary Functions via PSD Models [55.41644538483948]
まず確率分布をモデル化し,そのモデルからサンプリングする。これらのモデルでは, 少数の評価値を用いて, 高精度に多数の密度を近似することが可能であることが示され, それらのモデルから効果的にサンプルする簡単なアルゴリズムが提示される。
論文参考訳（メタデータ） (2021-10-20T12:25:22Z)
Loss function based second-order Jensen inequality and its application to particle variational inference [112.58907653042317]
粒子変分推論(PVI)は、後部分布の実験的近似としてモデルのアンサンブルを用いる。 PVIは、最適化されたモデルの多様性を保証するために、各モデルを反発力で反復的に更新する。我々は,新たな一般化誤差を導出し,モデルの多様性を高めて低減できることを示す。
論文参考訳（メタデータ） (2021-06-09T12:13:51Z)
Generative Archimedean Copulas [27.705956325584026]
多次元累積分布関数(CDF)をコーミュラ形式で学習するための新しい生成モデリング手法を提案する。我々はアルキメデスと階層的アルキメデスのコプラと呼ばれるある種のコプラを、その相似表現と異なる尾の依存関係をモデル化する能力で人気があると考えている。
論文参考訳（メタデータ） (2021-02-22T20:45:40Z)
Achieving Efficiency in Black Box Simulation of Distribution Tails with Self-structuring Importance Samplers [1.6114012813668934]
本稿では,線形プログラムや整数線形プログラム,ピースワイド線形・二次目的,ディープニューラルネットワークで指定された特徴マップなど,多種多様なツールでモデル化されたパフォーマンス指標の分布を推定する,新しいImportance Smpling(IS)方式を提案する。
論文参考訳（メタデータ） (2021-02-14T03:37:22Z)

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。