論文の概要: Degenerate Gaussian factors for probabilistic inference

• arxiv url: http://arxiv.org/abs/2104.15010v1
• Date: Fri, 30 Apr 2021 13:58:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-03 13:50:11.599186
• Title: Degenerate Gaussian factors for probabilistic inference
• Title（参考訳）: 確率的推論のための縮退ガウス因子
• Authors: J. C. Schoeman, C. E. van Daalen, J. A. du Preez
• Abstract要約: 本稿では,確率変数間に線形依存が存在するガウスネットワーク上での推論を可能にするパラメータ係数を提案する。 この原理的因子の定義を用いることで、デジネラシーは計算コストを少し加えることなく正確かつ自動的に収容できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper, we propose a parametrised factor that enables inference on Gaussian networks where linear dependencies exist among the random variables. Our factor representation is a generalisation of traditional Gaussian parametrisations where the positive-definite constraint (of covariance and precision matrices) has been relaxed. For this purpose, we derive various statistical operations and results (such as marginalisation, multiplication and affine transformations of random variables) which extend the capabilities of Gaussian factors to these degenerate settings. By using this principled factor definition, degeneracies can be accommodated accurately and automatically at little additional computational cost. As illustration, we apply our methodology to a representative example involving recursive state estimation of cooperative mobile robots.
• Abstract（参考訳）: 本稿では,確率変数間に線形依存が存在するガウスネットワーク上での推論を可能にするパラメータ係数を提案する。 我々の因子表現は、(共分散および精密行列の)正定値制約が緩和された伝統的なガウスパラメータの一般化である。 この目的のために、様々な統計演算と結果(確率変数のマージン化、乗法、アフィン変換など)を導出し、ガウス因子の能力をこれらの退化設定に拡張する。 この原理的因子の定義を用いることで、デジネラシーは計算コストを少し加えることなく正確かつ自動的に収容できる。 本手法を,協調移動ロボットの帰納的状態推定を含む代表例に適用する。

関連論文リスト

• A convex formulation of covariate-adjusted Gaussian graphical models via natural parametrization [6.353176264090468]
  共発現量軌跡(eQTL)研究では、遺伝子の平均発現レベルと条件独立構造の両方が、それらの遺伝子に局所的な変異によって調節される可能性がある。 共調整GGMを推定する既存の方法は、平均が共変量に依存するか、平均と精度の行列を同時に推定する固有の非賢さのため、スケーリングの仮定に苦しむことしか許さない。
  論文  参考訳（メタデータ） (2024-10-08T20:02:10Z)
• Tree-structured Markov random fields with Poisson marginal distributions [0.0]
  離散カウントランダム変数のベクトルに対する木構造ランダムフィールドの新しいファミリーを導入する。 極端ポアソンランダム場は、すべて同じ平均を持ち、それらの組込み依存の強さや構造から解放される。
  論文  参考訳（メタデータ） (2024-08-24T18:30:15Z)
• Scaling and renormalization in high-dimensional regression [72.59731158970894]
  本稿では,様々な高次元リッジ回帰モデルの訓練および一般化性能の簡潔な導出について述べる。 本稿では,物理と深層学習の背景を持つ読者を対象に,これらのトピックに関する最近の研究成果の紹介とレビューを行う。
  論文  参考訳（メタデータ） (2024-05-01T15:59:00Z)
• Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
  この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。 本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。 学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
  論文  参考訳（メタデータ） (2024-01-10T02:38:21Z)
• Convex Parameter Estimation of Perturbed Multivariate Generalized Gaussian Distributions [18.95928707619676]
  本稿では,MGGDパラメータの確立された特性を持つ凸定式化を提案する。 提案するフレームワークは, 精度行列, 平均, 摂動の様々な正規化を組み合わせ, 柔軟である。 実験により, 平均ベクトルパラメータに対して, 同様の性能でより正確な精度と共分散行列推定を行うことができた。
  論文  参考訳（メタデータ） (2023-12-12T18:08:04Z)
• Intrinsic Bayesian Cramér-Rao Bound with an Application to Covariance Matrix Estimation [49.67011673289242]
  本稿では, 推定パラメータが滑らかな多様体内にある推定問題に対して, 新たな性能境界を提案する。 これはパラメータ多様体の幾何学と推定誤差測度の本質的な概念を誘導する。
  論文  参考訳（メタデータ） (2023-11-08T15:17:13Z)
• A Heavy-Tailed Algebra for Probabilistic Programming [53.32246823168763]
  本稿では,確率変数の尾を解析するための体系的アプローチを提案する。 本稿では,確率型プログラミング言語コンパイラの静的解析(サンプル作成前)において,この手法をどのように利用できるかを示す。 実験結果から,重み付き代数を利用する推論アルゴリズムは,多数の密度モデリングおよび変分推論タスクにおいて優れた性能が得られることを確認した。
  論文  参考訳（メタデータ） (2023-06-15T16:37:36Z)
• 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)
• Bayesian Discrete Conditional Transformation Models [0.0]
  本稿では,応答の条件変換に基づく離散順序数とカウントデータのための新しいベイズモデルフレームワークを提案する。 数え上げ応答に対して、結果の変換モデルはベイズ完全パラメトリックであるが分布自由なアプローチである。 推論は、ジェネリックモジュラー・マルコフ連鎖モンテカルロアルゴリズムによって行われる。
  論文  参考訳（メタデータ） (2022-05-17T19:26:43Z)
• Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
  [1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。 我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。 また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
  論文  参考訳（メタデータ） (2020-04-17T12:47:04Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。