Fugu-MT 論文翻訳(概要): Adaptative clustering by minimization of the mixing entropy criterion

論文の概要: Adaptative clustering by minimization of the mixing entropy criterion

arxiv url: http://arxiv.org/abs/2203.11517v1
Date: Tue, 22 Mar 2022 07:47:02 GMT
ステータス: 処理完了
システム内更新日: 2022-03-23 15:17:16.626952
Title: Adaptative clustering by minimization of the mixing entropy criterion
Title（参考訳）: 混合エントロピー基準の最小化による適応クラスタリング
Authors: Thierry Dumont (UPN, FP2M, MODAL'X)
Abstract要約: 本稿では,1990年代以降に応用統計学で発生した現象をクラスタリング法で説明する。この現象は、有名なEMアルゴリズムから導かれたクラスタリング法を使用する際の順序の自然な適応性である。対象分布におけるクランプ数を表す新しい統計量である相対エントロピー順序を定義する。
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 present a clustering method and provide a theoretical analysis and an explanation to a phenomenon encountered in the applied statistical literature since the 1990's. This phenomenon is the natural adaptability of the order when using a clustering method derived from the famous EM algorithm. We define a new statistic, the relative entropic order, that represents the number of clumps in the target distribution. We prove in particular that the empirical version of this relative entropic order is consistent. Our approach is easy to implement and has a high potential of applications. Perspectives of this works are algorithmic and theoretical, with possible natural extensions to various cases such as dependent or multidimensional data.
Abstract（参考訳）: 本稿では,1990年代以降の応用統計学で発生した現象をクラスタリングし,理論的解析および説明する。この現象は、有名なEMアルゴリズムから導かれたクラスタリング法を使用する際の順序の自然な適応性である。対象分布におけるクランプ数を表す新しい統計量である相対エントロピー順序を定義する。特に、この相対エントロピー順序の経験的バージョンは一貫したものであることを証明している。私たちのアプローチは実装が容易で、アプリケーションの可能性も高い。この研究の視点はアルゴリズム的かつ理論的であり、従属データや多次元データのような様々な場合への自然な拡張が可能である。

関連論文リスト

Empirical Density Estimation based on Spline Quasi-Interpolation with applications to Copulas clustering modeling [0.0]
密度推定は、様々な分野において、基礎となるデータの分布をモデル化し理解するための基礎的な手法である。本稿では,擬似補間による密度の単変量近似を提案する。提案アルゴリズムは人工データセットと実データセットで検証される。
論文参考訳（メタデータ） (2024-02-18T11:49:38Z)
Kernel Biclustering algorithm in Hilbert Spaces [8.303238963864885]
我々は,エネルギー距離と平均誤差の最大値という概念を用いて,抽象空間における新しいモデルフリー・ビクラスタリングアルゴリズムを開発した。提案手法は,既存の文献よりも一般的で複雑なクラスタ形状を学習することができる。提案手法は,カーネルの適切な選択を前提として,その最適シナリオにおける最先端手法と類似している。
論文参考訳（メタデータ） (2022-08-07T08:41:46Z)
Optimal regularizations for data generation with probabilistic graphical models [0.0]
経験的に、よく調和された正規化スキームは、推論されたモデルの品質を劇的に改善する。生成的ペアワイドグラフィカルモデルの最大Aポストエリオーリ(MAP)推論におけるL2とL1の正規化について検討する。
論文参考訳（メタデータ） (2021-12-02T14:45:16Z)
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)
Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
論文参考訳（メタデータ） (2021-07-21T14:22:14Z)
Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文参考訳（メタデータ） (2021-02-12T12:23:13Z)
Statistical optimality and stability of tangent transform algorithms in logit models [6.9827388859232045]
我々は,データ生成過程の条件として,ロジカルオプティマによって引き起こされるリスクに対して,非漸近上界を導出する。特に,データ生成過程の仮定なしにアルゴリズムの局所的変動を確立する。我々は,大域収束が得られる半直交設計を含む特別な場合について検討する。
論文参考訳（メタデータ） (2020-10-25T05:15:13Z)
Understanding Implicit Regularization in Over-Parameterized Single Index Model [55.41685740015095]
我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。暗黙正則化現象の理論的保証を提供する。
論文参考訳（メタデータ） (2020-07-16T13:27:47Z)
Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
[1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
論文参考訳（メタデータ） (2020-04-17T12:47:04Z)
Generalized Sliced Distances for Probability Distributions [47.543990188697734]
我々は、一般化スライス確率測定(GSPM)と呼ばれる、幅広い確率測定値の族を紹介する。 GSPMは一般化されたラドン変換に根付いており、ユニークな幾何学的解釈を持つ。 GSPMに基づく勾配流を生成モデル応用に適用し、軽度な仮定の下では、勾配流が大域的最適に収束することを示す。
論文参考訳（メタデータ） (2020-02-28T04:18:00Z)
Fast approximations in the homogeneous Ising model for use in scene analysis [61.0951285821105]
我々は、推論に必要な量を数値計算できる正確な近似を提供する。近似式はスケーラブルでマルコフランダム場の大きさに満足できないことを示す。機能的磁気共鳴イメージングアクティベーション検出実験においてベイズ推論を行い, ピスタチオ樹収量の年次増加の空間パターンにおける異方性に対する確率比試験を行った。
論文参考訳（メタデータ） (2017-12-06T14:24:34Z)

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。