Fugu-MT 論文翻訳(概要): cCorrGAN: Conditional Correlation GAN for Learning Empirical Conditional Distributions in the Elliptope

論文の概要: cCorrGAN: Conditional Correlation GAN for Learning Empirical Conditional Distributions in the Elliptope

arxiv url: http://arxiv.org/abs/2107.10606v1
Date: Thu, 22 Jul 2021 12:17:23 GMT
ステータス: 処理完了
システム内更新日: 2021-07-23 16:06:44.620919
Title: cCorrGAN: Conditional Correlation GAN for Learning Empirical Conditional Distributions in the Elliptope
Title（参考訳）: cCorrGAN:Elliptopeにおける経験的条件分布学習のための条件相関GAN
Authors: Gautier Marti, Victor Goubet, Frank Nielsen
Abstract要約: 本稿では,条件生成逆数ネットワークに基づく相関行列の楕円の条件分布を近似する手法を提案する。モンテカルロシミュレーション(モンテカルロシュミレーション)は、リスクベースのポートフォリオ構築法を比較するための相関リターンのシミュレーションである。
参考スコア（独自算出の注目度）: 21.1759613722028
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a methodology to approximate conditional distributions in the elliptope of correlation matrices based on conditional generative adversarial networks. We illustrate the methodology with an application from quantitative finance: Monte Carlo simulations of correlated returns to compare risk-based portfolio construction methods. Finally, we discuss about current limitations and advocate for further exploration of the elliptope geometry to improve results.
Abstract（参考訳）: 本稿では,条件生成逆ネットワークに基づく相関行列の楕円の条件分布を近似する手法を提案する。モンテカルロシミュレーション(モンテカルロシュミレーション)は、リスクベースのポートフォリオ構築法を比較するための相関リターンのシミュレーションである。最後に,現在の限界について議論し,結果を改善するための楕円幾何学のさらなる探索を提唱する。

関連論文リスト

Exogenous Matching: Learning Good Proposals for Tractable Counterfactual Estimation [1.9662978733004601]
本稿では, 抽出可能かつ効率的な対実表現推定のための重要サンプリング手法を提案する。対物推定器の共通上限を最小化することにより、分散最小化問題を条件分布学習問題に変換する。構造因果モデル (Structure Causal Models, SCM) の様々なタイプと設定による実験による理論的結果の検証と, 対実推定タスクにおける性能の実証を行った。
論文参考訳（メタデータ） (2024-10-17T03:08:28Z)
Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文参考訳（メタデータ） (2024-01-29T02:08:40Z)
Reinforcement Replaces Supervision: Query focused Summarization using Deep Reinforcement Learning [43.123290672073814]
クエリに基づいて文書から要約を生成するシステムを扱う。 Reinforcement Learning (RL) が自然言語生成のための Supervised Learning (SL) の一般化を提供するという知見に触発されて,本課題に RL ベースのアプローチを用いる。我々は、ROUGE、BLEU、Semantic similarityといった様々な報酬信号に基づいて訓練された複数のポリシーグラディエントネットワークを開発する。
論文参考訳（メタデータ） (2023-11-29T10:38:16Z)
A Bayesian Take on Gaussian Process Networks [1.7188280334580197]
この研究はモンテカルロ法とマルコフ・チェイン・モンテカルロ法を実装し、ネットワーク構造の後方分布からサンプリングする。提案手法は,ネットワークのグラフィカルな構造を復元する上で,最先端のアルゴリズムよりも優れていることを示す。
論文参考訳（メタデータ） (2023-06-20T08:38:31Z)
Distributed Bayesian Learning of Dynamic States [65.7870637855531]
提案アルゴリズムは有限状態隠れマルコフモデルに対する分散ベイズフィルタタスクである。逐次状態推定や、動的環境下でのソーシャルネットワーク上での意見形成のモデル化に使用できる。
論文参考訳（メタデータ） (2022-12-05T19:40:17Z)
Exploiting Temporal Structures of Cyclostationary Signals for Data-Driven Single-Channel Source Separation [98.95383921866096]
単一チャネルソース分離(SCSS)の問題点について検討する。我々は、様々なアプリケーション領域に特に適するサイクロ定常信号に焦点を当てる。本稿では,最小MSE推定器と競合するU-Netアーキテクチャを用いたディープラーニング手法を提案する。
論文参考訳（メタデータ） (2022-08-22T14:04:56Z)
Recursive Monte Carlo and Variational Inference with Auxiliary Variables [64.25762042361839]
再帰的補助変数推論(RAVI)はフレキシブルな提案を利用するための新しいフレームワークである。 RAVIは、表現力のある表現力のある家族を推論するためのいくつかの既存の手法を一般化し、統一する。 RAVIの設計枠組みと定理を,SalimansらによるMarkov Chain Variational Inferenceを用いて解析し,改良することにより示す。
論文参考訳（メタデータ） (2022-03-05T23:52:40Z)
Learning Gaussian Graphical Models with Latent Confounders [74.72998362041088]
我々は、グラフィカルモデルにおける推論のための2つの戦略を、潜伏した共同創設者と比較し、対比する。これら2つのアプローチは、類似した目標を持っているが、それらは共起に関する異なる仮定によって動機付けられている。これら2つのアプローチの強みを組み合わせた新しい手法を提案する。
論文参考訳（メタデータ） (2021-05-14T00:53:03Z)
C-MI-GAN : Estimation of Conditional Mutual Information using MinMax formulation [20.57104064155529]
我々は,条件付き相互情報(CMI)推定を,その定式化をミニマックス最適化問題として利用して検討する。提案した推定器は,様々なシミュレーションデータセットに対する既存手法よりも優れた推定値を提供する。 CMI推定の応用として、実データ上での条件付き独立テスト(CI)のための推定器をデプロイし、最先端のCIテスタよりも優れた結果を得る。
論文参考訳（メタデータ） (2020-05-17T11:22:12Z)
Adaptive Correlated Monte Carlo for Contextual Categorical Sequence Generation [77.7420231319632]
我々は,モンテカルロ (MC) ロールアウトの集合を分散制御のために評価する政策勾配推定器に,カテゴリー列の文脈的生成を適用する。また,二分木ソフトマックスモデルに相関したMCロールアウトを用いることで,大語彙シナリオにおける高生成コストを低減できることを示す。
論文参考訳（メタデータ） (2019-12-31T03:01:55Z)

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。