論文の概要: Uncertainty Quantification For Low-Rank Matrix Completion With Heterogeneous and Sub-Exponential Noise

• arxiv url: http://arxiv.org/abs/2110.12046v1
• Date: Fri, 22 Oct 2021 20:25:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-26 14:45:25.243501
• Title: Uncertainty Quantification For Low-Rank Matrix Completion With Heterogeneous and Sub-Exponential Noise
• Title（参考訳）: 不均一・サブ指数雑音による低域行列補完の不確かさの定量化
• Authors: Vivek F. Farias, Andrew A. Li, Tianyi Peng
• Abstract要約: ヘテロジニアスおよびサブ指数ノイズによる低ランク行列補完の問題は、現代商業における多くの応用に特に関係している。 例えば、パネル販売データやレコメンデーションエンジンなどのWebコマースシステムから収集したデータなどがある。 ここでは、観測ノイズが不均一な部分指数である場合の推定行列成分の分布を特徴付け、この分布に対する明示的な公式を提供する。
• 参考スコア（独自算出の注目度）: 2.793095554369281
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The problem of low-rank matrix completion with heterogeneous and sub-exponential (as opposed to homogeneous and Gaussian) noise is particularly relevant to a number of applications in modern commerce. Examples include panel sales data and data collected from web-commerce systems such as recommendation engines. An important unresolved question for this problem is characterizing the distribution of estimated matrix entries under common low-rank estimators. Such a characterization is essential to any application that requires quantification of uncertainty in these estimates and has heretofore only been available under the assumption of homogenous Gaussian noise. Here we characterize the distribution of estimated matrix entries when the observation noise is heterogeneous sub-exponential and provide, as an application, explicit formulas for this distribution when observed entries are Poisson or Binary distributed.
• Abstract（参考訳）: ヘテロジニアスおよびサブエクソンシャル(同質およびガウス的)ノイズによる低ランク行列完備化の問題は、現代商業における多くの応用に特に関係している。 例えばパネル販売データやレコメンデーションエンジンなどのwebコマースシステムから収集されたデータなどだ。 この問題に対する重要な未解決の問題は、一般的な低ランク推定器における推定行列成分の分布を特徴づけることである。 このようなキャラクタリゼーションは、これらの推定の不確かさの定量化を必要とするあらゆる応用に必須であり、ホモ固有ガウス雑音の仮定下でのみ利用可能である。 ここでは,観測ノイズが不均質な部分指数である場合に推定行列エントリの分布を特徴付け,観測エントリがポアソン分布または二元分布である場合に,この分布を明示的に定式化する。

関連論文リスト

• Distributional Matrix Completion via Nearest Neighbors in the Wasserstein Space [8.971989179518216]
  わずかに観察された経験的分布の行列を考えると、観測された行列と観測されていない行列の両方に関連する真の分布をインプットしようと試みる。 最適輸送のツールを用いて、最も近い隣人法を分布設定に一般化する。
  論文  参考訳（メタデータ） (2024-10-17T00:50:17Z)
• Negative Binomial Matrix Completion [5.5415918072761805]
  行列補完は、行列の欠落や不完全情報を回復することに焦点を当てる。 近位降下勾配によって解ける核ノルム正規化モデルを提案することにより,NB行列の完備化を提案する。 実験では,NBモデルがポアソン行列の完成度を様々なノイズで上回り,実際のデータに対するデータ設定の欠如を実証した。
  論文  参考訳（メタデータ） (2024-08-28T19:43:48Z)
• 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)
• Learning Linear Causal Representations from Interventions under General Nonlinear Mixing [52.66151568785088]
  介入対象にアクセスできることなく、未知の単一ノード介入を考慮し、強い識別可能性を示す。 これは、ディープニューラルネットワークの埋め込みに対する非ペアの介入による因果識別性の最初の例である。
  論文  参考訳（メタデータ） (2023-06-04T02:32:12Z)
• Optimizing the Noise in Self-Supervised Learning: from Importance Sampling to Noise-Contrastive Estimation [80.07065346699005]
  GAN(Generative Adversarial Networks)のように、最適な雑音分布はデータ分布に等しくなると広く想定されている。 我々は、この自己教師型タスクをエネルギーベースモデルの推定問題として基礎づけるノイズ・コントラスト推定に目を向ける。 本研究は, 最適雑音のサンプリングは困難であり, 効率性の向上は, データに匹敵する雑音分布を選択することに比べ, 緩やかに行うことができると結論付けた。
  論文  参考訳（メタデータ） (2023-01-23T19:57:58Z)
• Noisy Nonnegative Tucker Decomposition with Sparse Factors and Missing Data [28.226817588482565]
  本研究では, 雑音下での非負データ回復のための, スパース非負のタッカー分解と補修法を提案する。 我々の理論結果は既存のテンソル法や行列法よりも優れている。
  論文  参考訳（メタデータ） (2022-08-17T13:29:14Z)
• The Optimal Noise in Noise-Contrastive Learning Is Not What You Think [80.07065346699005]
  この仮定から逸脱すると、実際により良い統計的推定結果が得られることが示される。 特に、最適な雑音分布は、データと異なり、また、別の家族からさえも異なる。
  論文  参考訳（メタデータ） (2022-03-02T13:59:20Z)
• A Robust and Flexible EM Algorithm for Mixtures of Elliptical Distributions with Missing Data [71.9573352891936]
  本稿では、ノイズや非ガウス的なデータに対するデータ計算の欠如に対処する。 楕円分布と潜在的な欠落データを扱う特性を混合した新しいEMアルゴリズムについて検討した。 合成データの実験的結果は,提案アルゴリズムが外れ値に対して頑健であり,非ガウスデータで使用可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-28T10:01:37Z)
• Spectral clustering under degree heterogeneity: a case for the random walk Laplacian [83.79286663107845]
  本稿では,ランダムウォークラプラシアンを用いたグラフスペクトル埋め込みが,ノード次数に対して完全に補正されたベクトル表現を生成することを示す。 次数補正ブロックモデルの特別な場合、埋め込みはK個の異なる点に集中し、コミュニティを表す。
  論文  参考訳（メタデータ） (2021-05-03T16:36:27Z)
• Robust Matrix Completion with Mixed Data Types [0.0]
  我々は,データ型が混在する部分的なエントリを持つ構造的低ランク行列を復元する問題を考察する。 ほとんどのアプローチは、基礎となる分布は1つしかないと仮定し、低階の制約は、行列 Satten Norm によって正則化される。 本稿では, 並列化に適したアルゴリズムフレームワークとともに, 高い回復保証を有する計算可能な統計手法を提案し, 混合データ型に対する部分的に観測されたエントリを持つ低階行列を1ステップで復元する。
  論文  参考訳（メタデータ） (2020-05-25T21:35:10Z)

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。