Fugu-MT 論文翻訳(概要): Statistical Analysis from the Fourier Integral Theorem

論文の概要: Statistical Analysis from the Fourier Integral Theorem

arxiv url: http://arxiv.org/abs/2106.06608v1
Date: Fri, 11 Jun 2021 20:44:54 GMT
ステータス: 処理完了
システム内更新日: 2021-06-15 16:19:53.854760
Title: Statistical Analysis from the Fourier Integral Theorem
Title（参考訳）: フーリエ積分定理による統計的解析
Authors: Nhat Ho, Stephen G. Walker
Abstract要約: 条件分布関数のモンテカルロに基づく推定器について検討する。マルコフ過程の予測など,多くの問題について検討する。推定器は明示的なモンテカルロベースであり、反復アルゴリズムを必要としない。
参考スコア（独自算出の注目度）: 9.619814126465206
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Taking the Fourier integral theorem as our starting point, in this paper we focus on natural Monte Carlo and fully nonparametric estimators of multivariate distributions and conditional distribution functions. We do this without the need for any estimated covariance matrix or dependence structure between variables. These aspects arise immediately from the integral theorem. Being able to model multivariate data sets using conditional distribution functions we can study a number of problems, such as prediction for Markov processes, estimation of mixing distribution functions which depend on covariates, and general multivariate data. Estimators are explicit Monte Carlo based and require no recursive or iterative algorithms.
Abstract（参考訳）: 本稿では,フーリエ積分定理を出発点として,多変量分布と条件分布関数の自然モンテカルロと完全非パラメトリック推定器に注目した。これは、推定された共分散行列や変数間の依存構造を必要としない。これらの側面は積分定理から直ちに生じる。条件付き分布関数を用いて多変量データセットをモデル化できるため、マルコフ過程の予測、共変量に依存する混合分布関数の推定、一般的な多変量データなど、多くの問題を研究できる。エスペクタは明示的なモンテカルロベースであり、再帰的あるいは反復的なアルゴリズムを必要としない。

関連論文リスト

Decomposing Gaussians with Unknown Covariance [3.734088413551237]
本稿では,ガウスデータに対する従来の分解手法をすべて包含する一般アルゴリズムを提案する。これは$n>1$の場合にサンプル分割に代わる、より柔軟でフレキシブルな代替となる。これらの分解を、代替戦略が利用できない設定において、モデル選択と選択後推論のタスクに適用する。
論文参考訳（メタデータ） (2024-09-17T18:56:08Z)
Conformal inference for regression on Riemannian Manifolds [49.7719149179179]
回帰シナリオの予測セットは、応答変数が$Y$で、多様体に存在し、Xで表される共変数がユークリッド空間にあるときに検討する。我々は、多様体上のこれらの領域の経験的バージョンが、その集団に対するほぼ確実に収束していることを証明する。
論文参考訳（メタデータ） (2023-10-12T10:56:25Z)
Non-asymptotic approximations for Pearson's chi-square statistic and its application to confidence intervals for strictly convex functions of the probability weights of discrete distributions [0.0]
多項確率に対する非漸近局所正規近似を開発した。この結果を用いて離散分布の負エントロピーに対する信頼区間を求める。
論文参考訳（メタデータ） (2023-09-05T01:18:48Z)
Learning Graphical Factor Models with Riemannian Optimization [70.13748170371889]
本稿では,低ランク構造制約下でのグラフ学習のためのフレキシブルなアルゴリズムフレームワークを提案する。この問題は楕円分布のペナルティ化された最大推定値として表される。楕円モデルによく適合する正定行列と定ランクの正半定行列のジオメトリを利用する。
論文参考訳（メタデータ） (2022-10-21T13:19:45Z)
Wrapped Distributions on homogeneous Riemannian manifolds [58.720142291102135]
パラメータ、対称性、モダリティなどの分布の性質の制御は、フレキシブルな分布の族を生み出す。変動型オートエンコーダと潜在空間ネットワークモデル内で提案した分布を利用して,我々のアプローチを実証的に検証する。
論文参考訳（メタデータ） (2022-04-20T21:25:21Z)
Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
論文参考訳（メタデータ） (2022-02-23T06:11:49Z)
Partial Counterfactual Identification from Observational and Experimental Data [83.798237968683]
観測データと実験データの任意の組み合わせから最適境界を近似する有効なモンテカルロアルゴリズムを開発した。我々のアルゴリズムは、合成および実世界のデータセットに基づいて広範囲に検証されている。
論文参考訳（メタデータ） (2021-10-12T02:21:30Z)
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)
The Connection between Discrete- and Continuous-Time Descriptions of Gaussian Continuous Processes [60.35125735474386]
我々は、一貫した推定子をもたらす離散化が粗粒化下での不変性を持つことを示す。この結果は、導関数再構成のための微分スキームと局所時間推論アプローチの組み合わせが、2次または高次微分方程式の時系列解析に役立たない理由を説明する。
論文参考訳（メタデータ） (2021-01-16T17:11:02Z)
Multivariate Smoothing via the Fourier Integral Theorem and Fourier Kernel [9.619814126465206]
収束率を確立し、多くの場合、現在の標準推定値よりも優れたレートを提供する。収束率を確立し、多くの場合、現在の標準推定値よりも優れたレートを提供する。
論文参考訳（メタデータ） (2020-12-28T20:59:42Z)
A method to integrate and classify normal distributions [0.0]
我々は、任意のパラメータを持つ任意の次元における正規の任意の領域の確率を提供する結果とオープンソースソフトウェアを提示する。自然界における物体の隠蔽やカモフラージュの検出といった視覚研究の応用を応用して,これらのツールを実証する。
論文参考訳（メタデータ） (2020-12-23T05:45:41Z)

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。