論文の概要: Counting-Based Effective Dimension and Discrete Regularizations
- arxiv url: http://arxiv.org/abs/2205.11520v1
- Date: Mon, 23 May 2022 17:35:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-12 00:31:20.120410
- Title: Counting-Based Effective Dimension and Discrete Regularizations
- Title(参考訳): カウントベース有効次元と離散正規化
- Authors: Ivan Horv\'ath, Peter Marko\v{s}, Robert Mendris
- Abstract要約: 有効数論は、確率やその他の加法的重みを持つ対象の集合にカウントを割り当てるすべての加法的方法を決定する。
この有効カウントディメンション(ECD)は、サポート対象のオブジェクトの数が、その総数とどのようにスケールするかを規定する。
ECDは、物理学やその他の定量的科学における離散正規化の標的を特徴づけるために用いられる。
- 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: Effective number theory determines all additive ways to assign counts to
collections of objects with probabilities or other additive weights. Here we
construct all counting-based schemes to select effective supports on such
collections, and show that it leads to a unique notion of effective dimension.
This effective counting dimension (ECD) specifies how the number of objects in
a support scales with their total number, and its uniqueness means that all
schemes yield the same value. Hence, ECD is well defined and can be used to
characterize targets of discrete regularizations in physics and other
quantitative sciences. Given its generality, ECD may help to connect and
interpret results from widely distinct areas. Our analysis makes recent studies
of effective spatial dimensions in lattice quantum chromodynamics and Anderson
localization models well founded. We address the reliability of regularization
removals in practice and perform the respective numerical analysis in the
context of 3d Anderson criticality. Our arguments suggest that measure-based
dimensions (Minkowski, Hausdorff) of fixed sets have good probabilistic
extensions.
- Abstract(参考訳): 有効数理論は、確率や他の加法重みを持つオブジェクトの集合にカウントを割り当てる全ての加法方法を決定する。
ここでは,これらの集合に対して有効な支援を選択するための計数に基づくスキームを全て構築し,それが有効次元のユニークな概念をもたらすことを示す。
この有効数え上げ次元(ECD)は、サポート対象の数がトータル数でどのようにスケールするかを規定し、その特異性はすべてのスキームが同じ値を得ることを意味する。
したがって、ECDはよく定義されており、物理学やその他の量科学における離散正規化の対象を特徴づけるのに使うことができる。
一般性を考えると、ECDは広く異なる領域の結果を接続し解釈するのに役立ちます。
我々の分析は、格子量子色力学とアンダーソン局在モデルにおいて有効空間次元の研究をうまく進めている。
本研究では, 正規化除去の信頼性について検討し, 3次元アンダーソン臨界の文脈で各数値解析を行う。
この議論は、固定集合の測度ベース次元(ミンコフスキー、ハウスドルフ)がよい確率的拡大を持つことを示唆している。
関連論文リスト
- Concrete Score Matching: Generalized Score Matching for Discrete Data [109.12439278055213]
コンクレトスコア(Concrete score)とは、個別の設定のためのスコア(ステイン)の一般化である。
コンクレトスコアマッチング(Concrete Score Matching)は、サンプルからこのようなスコアを学習するフレームワークである。
論文 参考訳(メタデータ) (2022-11-02T00:41:37Z) - Tangential Wasserstein Projections [0.4297070083645048]
2-ワッサーシュタイン空間の幾何学的性質を用いた確率測度の集合間の射影の概念を開発する。
この考え方は、一般化された測地学を用いて、ワッサーシュタイン空間の正接円錐に取り組むことである。
論文 参考訳(メタデータ) (2022-07-29T14:59:58Z) - Intrinsic dimension estimation for discrete metrics [65.5438227932088]
本稿では,離散空間に埋め込まれたデータセットの内在次元(ID)を推定するアルゴリズムを提案する。
我々は,その精度をベンチマークデータセットで示すとともに,種鑑定のためのメダゲノミクスデータセットの分析に応用する。
このことは、列の空間の高次元性にもかかわらず、蒸発圧が低次元多様体に作用することを示唆している。
論文 参考訳(メタデータ) (2022-07-20T06:38:36Z) - DDAC-SpAM: A Distributed Algorithm for Fitting High-dimensional Sparse
Additive Models with Feature Division and Decorrelation [16.232378903482143]
本稿では,高次元のスパース加法モデルの下で特徴を分割する分散統計学習アルゴリズムDDAC-SpAMを提案する。
提案アルゴリズムの有効性と有効性は, 合成データと実データの両方に関する理論的解析と実験結果によって実証される。
提案手法は, スパース加法モデルと, 広範囲の領域で有望な応用を実現するための実用的ソリューションを提供する。
論文 参考訳(メタデータ) (2022-05-16T18:31:03Z) - ISDE : Independence Structure Density Estimation [0.0]
多次元密度推定は次元性の呪いに苦しむ。
本稿では,ISDE (Independence Structure Density Estimation) を提案する。
実世界のデータセット上で定量的かつ質的にどのように機能するかを示す。
論文 参考訳(メタデータ) (2022-03-18T08:01:04Z) - Measuring dissimilarity with diffeomorphism invariance [94.02751799024684]
DID(DID)は、幅広いデータ空間に適用可能なペアワイズな相似性尺度である。
我々は、DIDが理論的研究と実用に関係のある特性を享受していることを証明する。
論文 参考訳(メタデータ) (2022-02-11T13:51:30Z) - Optimal radial basis for density-based atomic representations [58.720142291102135]
データセットの構造的多様性を最も効率的に表現するために選択される適応的で最適な数値ベースを構築する方法について議論します。
トレーニングデータセットごとに、この最適なベースはユニークで、プリミティブベースに関して追加のコストなしで計算することができる。
この構成が精度と計算効率のよい表現をもたらすことを実証する。
論文 参考訳(メタデータ) (2021-05-18T17:57:08Z) - A Forward Backward Greedy approach for Sparse Multiscale Learning [0.0]
本稿では,カーネルが重み付きマルチスケール構造を持つRKHS(Reproduction Kernel Hilbert space)を提案する。
この空間における近似を生成するために、多スケール構造を持つ基底関数の集合をゆるやかに構成できる実用的なフォワードバックワードアルゴリズムを提供する。
我々は,様々なシミュレーションと実データ集合を用いて,アプローチの性能を解析する。
論文 参考訳(メタデータ) (2021-02-14T04:22:52Z) - 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) - A Robust Functional EM Algorithm for Incomplete Panel Count Data [66.07942227228014]
完全無作為な仮定(MCAR)の下での数え上げ過程の平均関数を推定する機能的EMアルゴリズムを提案する。
提案アルゴリズムは、いくつかの一般的なパネル数推定手法をラップし、不完全数にシームレスに対処し、ポアソン過程の仮定の誤特定に頑健である。
本稿では, 数値実験による提案アルゴリズムの有用性と喫煙停止データの解析について述べる。
論文 参考訳(メタデータ) (2020-03-02T20:04:38Z) - Misspecification-robust likelihood-free inference in high dimensions [9.514562526751481]
本稿では,ベイズ最適化に基づく近似離散関数の確率的手法による拡張を提案する。
提案手法は,高次元パラメータ空間に対する計算スケーラビリティを,各パラメータの別個の取得関数と相違点を用いて達成する。
本手法は,100次元空間における標準例による計算効率のよい推論を成功させ,既存のモジュール化ABC法と比較した。
論文 参考訳(メタデータ) (2020-02-21T16:06:11Z)
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。