Fugu-MT 論文翻訳(概要): Bayesian Consistency with the Supremum Metric

論文の概要: Bayesian Consistency with the Supremum Metric

arxiv url: http://arxiv.org/abs/2201.03447v1
Date: Mon, 10 Jan 2022 16:39:25 GMT
ステータス: 処理完了
システム内更新日: 2022-01-11 17:35:15.654828
Title: Bayesian Consistency with the Supremum Metric
Title（参考訳）: スープレム計量とのベイズ的整合性
Authors: Nhat Ho and Stephen G. Walker
Abstract要約: この論文の重要な成果は、現在$mathbbL_1$の整合性を確保するために使われているものに比べて、弱い条件を用いた上限整合性を示すことである。
参考スコア（独自算出の注目度）: 13.769786711365104
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present simple conditions for Bayesian consistency in the supremum metric. The key to the technique is a triangle inequality which allows us to explicitly use weak convergence, a consequence of the standard Kullback--Leibler support condition for the prior. A further condition is to ensure that smoothed versions of densities are not too far from the original density, thus dealing with densities which could track the data too closely. A key result of the paper is that we demonstrate supremum consistency using weaker conditions compared to those currently used to secure $\mathbb{L}_1$ consistency.
Abstract（参考訳）: 上限距離におけるベイズ整合性の簡単な条件を示す。この手法の鍵となるのは三角形の不等式であり、これは標準クルバック-リーブラサポート条件の結果として弱収束を明示的に利用することができる。さらなる条件として、密度の平滑化バージョンが元の密度からそれほど離れないことを保証するため、データを追跡しすぎる密度を扱うことができる。この論文の重要な結果は、現在$\mathbb{L}_1$の整合性を確保するのに使われているものと比較して、弱い条件を用いた上限整合性を示すことである。

関連論文リスト

Faster Convergence of Stochastic Accelerated Gradient Descent under Interpolation [51.248784084461334]
我々はNesterov加速度アンダーホ条件の一般化版に対する新しい収束率を証明した。本分析により, 従来の研究に比べて, 強い成長定数への依存度を$$$から$sqrt$に下げることができた。
論文参考訳（メタデータ） (2024-04-03T00:41:19Z)
Strong convergence of a resolution of the identity via canonical coherent states [0.0]
正準コヒーレント状態によるアイデンティティの分解は、弱い作用素位相においてしばしば証明される。我々は、関連する一様極限が存在しないことを示す。
論文参考訳（メタデータ） (2024-02-13T09:25:22Z)
Lower- versus higher-order nonclassicalities for a coherent superposed quantum state [3.42658286826597]
連続変数コヒーレント状態に作用する場消滅および生成作用素の重ね合わせ $(ta+radagger)$ を記述する。その結果、高次基準は、低次条件に比べて非古典性の存在を検出するのにはるかに効率的であることが判明した。
論文参考訳（メタデータ） (2023-04-11T08:21:57Z)
Reliability-Adaptive Consistency Regularization for Weakly-Supervised Point Cloud Segmentation [80.07161039753043]
極端に限られたラベルを持つ弱教師付きポイントクラウドセグメンテーションは、高額な注釈付き3Dポイントの収集コストを軽減するのが望ましい。本稿では、弱教師付き学習において一般的に用いられる一貫性の正則化を、複数のデータ固有の拡張を伴うポイントクラウドに適用することを検討する。疑似ラベルの信頼性を評価するために,予測信頼性とモデル不確実性を両立させる新しい信頼性適応整合ネットワーク(RAC-Net)を提案する。
論文参考訳（メタデータ） (2023-03-09T10:41:57Z)
Spectral stabilizability [0.0]
我々は,目標状態の固有分解に基づく安定化条件を開発する。我々は、多くの模範的なオープンシステムシナリオに対する安定化性上の上限を導出するために、スペクトルアプローチを用いる。
論文参考訳（メタデータ） (2022-12-23T10:38:31Z)
MaxMatch: Semi-Supervised Learning with Worst-Case Consistency [149.03760479533855]
半教師付き学習(SSL)のための最悪ケース整合正則化手法を提案する。本稿では,ラベル付きトレーニングデータとラベル付きトレーニングデータとを別々に比較した経験的損失項からなるSSLの一般化について述べる。この境界によって動機づけられたSSLの目的は、元のラベルのないサンプルと、その複数の拡張版との最大の矛盾を最小限に抑えるものである。
論文参考訳（メタデータ） (2022-09-26T12:04:49Z)
Sharp Bounds for Federated Averaging (Local SGD) and Continuous Perspective [49.17352150219212]
Federated AveragingFedAvg(ローカルSGD)は、Federated Learning(FL)で最も人気のあるアルゴリズムの1つである。微分方程式(SDE)の観点から、この量を解析する方法を示す。
論文参考訳（メタデータ） (2021-11-05T22:16:11Z)
Stochastic Gradient Descent-Ascent and Consensus Optimization for Smooth Games: Convergence Analysis under Expected Co-coercivity [49.66890309455787]
本稿では,SGDA と SCO の最終的な収束保証として,期待されるコヒーレンシティ条件を導入し,その利点を説明する。定常的なステップサイズを用いた場合、両手法の線形収束性を解の近傍に証明する。我々の収束保証は任意のサンプリングパラダイムの下で保たれ、ミニバッチの複雑さに関する洞察を与える。
論文参考訳（メタデータ） (2021-06-30T18:32:46Z)
Quantum concentration inequalities [12.56413718364189]
我々は、量子ワッサーシュタイン距離に関して輸送コスト不等式(TCI)を確立する。我々は、任意のハイパーグラフ$H=(V,E)$でハミルトニアンを可換化するギブス状態が、一定のスケーリングを$O(|V|)$とするTCIを満たすことを証明している。我々は、最近確立された対数的ソボレフ不等式と関連づけることで、TCIが保持する温度範囲を拡大することができると論じる。
論文参考訳（メタデータ） (2021-06-30T05:44:12Z)
Concentration inequality for U-statistics of order two for uniformly ergodic Markov chains [0.0]
我々は、一様エルゴード型マルコフ鎖に対する位数2のU-統計量に対する濃度不等式を証明した。独立確率変数と正準核のU統計値の集中結果を示したArconesとGin'eの収束率を復元できることが示される。
論文参考訳（メタデータ） (2020-11-20T15:14:34Z)
Metrizing Weak Convergence with Maximum Mean Discrepancies [88.54422104669078]
本稿では、幅広い種類のカーネルに対する確率測度の弱収束を測る最大平均誤差(MMD)を特徴付ける。我々は、局所コンパクトで非コンパクトなハウスドルフ空間において、有界連続ボレル可測核 k の MMD が確率測度の弱収束を測ることを証明する。
論文参考訳（メタデータ） (2020-06-16T15:49:33Z)

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。