Fugu-MT 論文翻訳(概要): A Closed-Form Approximation to the Conjugate Prior of the Dirichlet and Beta Distributions

論文の概要: A Closed-Form Approximation to the Conjugate Prior of the Dirichlet and Beta Distributions

arxiv url: http://arxiv.org/abs/2107.03183v1
Date: Wed, 7 Jul 2021 12:32:29 GMT
ステータス: 処理完了
システム内更新日: 2021-07-08 14:10:58.289173
Title: A Closed-Form Approximation to the Conjugate Prior of the Dirichlet and Beta Distributions
Title（参考訳）: ディリクレおよびベータ分布以前の共役に対する閉形式近似
Authors: Kaspar Thommen
Abstract要約: ディリクレ分布とベータ分布の前に共役を導出し、数値的な例でそれを探索する。先行の難易度から, 閉形式近似を定義し, 解析する。この近似を実装したアルゴリズムにより、完全トラクタブルベイズ共役によるディリクレとベータ確率の処理が可能となる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We derive the conjugate prior of the Dirichlet and beta distributions and explore it with numerical examples to gain an intuitive understanding of the distribution itself, its hyperparameters, and conditions concerning its convergence. Due to the prior's intractability, we proceed to define and analyze a closed-form approximation. Finally, we provide an algorithm implementing this approximation that enables fully tractable Bayesian conjugate treatment of Dirichlet and beta likelihoods without the need for Monte Carlo simulations.
Abstract（参考訳）: ディリクレ分布とベータ分布の前に共役を導出し、数値的な例でそれを探索し、分布自身とそのハイパーパラメータとその収束に関する条件を直感的に理解する。前者の可算性のため、我々は閉形式近似を定義して解析する。最後に,この近似を実装したアルゴリズムにより,モンテカルロシミュレーションを必要とせず,ジリクレのベイズ共役処理とベータ確率の処理が可能となる。

関連論文リスト

Gaussian Process Regression for Maximum Entropy Distribution [0.0]
与えられたモーメントの集合の写像としてラグランジュ乗算器を近似するガウス事前の適合性について検討する。考案したデータ駆動型最大エントロピー閉包の性能を,2つのテストケースで検討した。
論文参考訳（メタデータ） (2023-08-11T14:26:29Z)
Sharp Deviations Bounds for Dirichlet Weighted Sums with Application to analysis of Bayesian algorithms [30.310960863405267]
ディリクレ確率変数の重み付け和に対する鋭い非漸近偏差境界を導出する。これらの境界は、重み付きディリクレ和の密度の新たな積分表現に基づいている。
論文参考訳（メタデータ） (2023-04-06T13:15:51Z)
Min-Max Optimization Made Simple: Approximating the Proximal Point Method via Contraction Maps [77.8999425439444]
本稿では,凸/凹凸 min-max 問題に対して,ほぼ最適収束率を許容する一階法を提案する。我々の研究は、近点法の更新規則を精度良く近似できるという事実に基づいている。
論文参考訳（メタデータ） (2023-01-10T12:18:47Z)
A Concentration Bound for Distributed Stochastic Approximation [0.0]
我々は、Tsitsiklis, Bertsekas, Athansの古典的モデルを再検討し、コンセンサスによる分散近似について検討する。主な結果は、ODEアプローチを用いたこのスキームの解析であり、適切な繰り返しのトラッキングエラーに対して高い確率でバウンドされる。
論文参考訳（メタデータ） (2022-10-09T13:00:32Z)
Quasi-Arithmetic Mixtures, Divergence Minimization, and Bregman Information [12.020235141059992]
密度関数の単調な埋め込みの下で,ブレグマン発散を用いたこの「セントロイド」特性の包括的解析を行う。本分析では,パラメトリック・ファミリー,準算術的手段,発散関数の相互作用に注目した。
論文参考訳（メタデータ） (2022-09-15T17:22:04Z)
Distributional Gradient Boosting Machines [77.34726150561087]
私たちのフレームワークはXGBoostとLightGBMをベースにしています。我々は,このフレームワークが最先端の予測精度を実現することを示す。
論文参考訳（メタデータ） (2022-04-02T06:32:19Z)
Estimating Gaussian Copulas with Missing Data [0.0]
半パラメトリックなモデリングにより、境界面上の事前仮定を回避する方法を示す。このアルゴリズムによって得られた共同分布は、既存の方法よりも基礎的な分布にかなり近い。
論文参考訳（メタデータ） (2022-01-14T17:20:44Z)
Pathwise Conditioning of Gaussian Processes [72.61885354624604]
ガウス過程後部をシミュレーションするための従来のアプローチでは、有限個の入力位置のプロセス値の限界分布からサンプルを抽出する。この分布中心の特徴づけは、所望のランダムベクトルのサイズで3次スケールする生成戦略をもたらす。条件付けのこのパスワイズ解釈が、ガウス過程の後部を効率的にサンプリングするのに役立てる近似の一般族をいかに生み出すかを示す。
論文参考訳（メタデータ） (2020-11-08T17:09:37Z)
Continuous Regularized Wasserstein Barycenters [51.620781112674024]
正規化ワッサーシュタイン・バリセンタ問題に対する新しい双対定式化を導入する。我々は、強い双対性を確立し、対応する主対関係を用いて、正規化された輸送問題の双対ポテンシャルを用いて暗黙的にバリセンターをパラメトリゼーションする。
論文参考訳（メタデータ） (2020-08-28T08:28:06Z)
The Convergence Indicator: Improved and completely characterized parameter bounds for actual convergence of Particle Swarm Optimization [68.8204255655161]
我々は、粒子が最終的に単一点に収束するか、分岐するかを計算するのに使用できる新しい収束指標を導入する。この収束指標を用いて、収束群につながるパラメータ領域を完全に特徴づける実際の境界を提供する。
論文参考訳（メタデータ） (2020-06-06T19:08:05Z)
A Distributional Analysis of Sampling-Based Reinforcement Learning Algorithms [67.67377846416106]
定常ステップサイズに対する強化学習アルゴリズムの理論解析に対する分布的アプローチを提案する。本稿では,TD($lambda$)や$Q$-Learningのような値ベースの手法が,関数の分布空間で制約のある更新ルールを持つことを示す。
論文参考訳（メタデータ） (2020-03-27T05:13:29Z)

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。