論文の概要: Nonparametric, Nonasymptotic Confidence Bands with Paley-Wiener Kernels
for Band-Limited Functions
- arxiv url: http://arxiv.org/abs/2206.13629v1
- Date: Mon, 27 Jun 2022 21:03:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-29 13:05:08.497415
- Title: Nonparametric, Nonasymptotic Confidence Bands with Paley-Wiener Kernels
for Band-Limited Functions
- Title(参考訳): 帯域制限関数に対する Paley-Wiener カーネルを用いた非パラメトリック・非漸近信頼バンド
- Authors: Bal\'azs Csan\'ad Cs\'aji, B\'alint Horv\'ath
- Abstract要約: 本稿では,入出力ペアの有限サンプルに基づいて,有界帯域制限関数に対する信頼帯域を構築する手法を提案する。
この手法は、観測ノイズの分布のないw.r.t.であり、入力分布の知識のみを仮定する。
- 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: The paper introduces a method to construct confidence bands for bounded,
band-limited functions based on a finite sample of input-output pairs. The
approach is distribution-free w.r.t. the observation noises and only the
knowledge of the input distribution is assumed. It is nonparametric, that is,
it does not require a parametric model of the regression function and the
regions have non-asymptotic guarantees. The algorithm is based on the theory of
Paley-Wiener reproducing kernel Hilbert spaces. The paper first studies the
fully observable variant, when there are no noises on the observations and only
the inputs are random; then it generalizes the ideas to the noisy case using
gradient-perturbation methods. Finally, numerical experiments demonstrating
both cases are presented.
- Abstract(参考訳): 本稿では、入出力対の有限サンプルに基づく有界な帯域制限関数に対する信頼帯域を構成する手法を提案する。
このアプローチは分布のないw.r.t.観測ノイズであり、入力分布の知識のみを仮定する。
これは非パラメトリックであり、つまり回帰関数のパラメトリックモデルを必要としないし、領域は漸近的でない保証を持つ。
このアルゴリズムは、Paley-Wiener再生カーネルヒルベルト空間の理論に基づいている。
この論文は、観測にノイズがなく、入力だけがランダムである場合、完全な観測可能な変種を最初に研究し、勾配摂動法を用いてノイズケースへのアイデアを一般化する。
最後に, 両事例の数値実験を行った。
関連論文リスト
- Improving Kernel-Based Nonasymptotic Simultaneous Confidence Bands [0.0]
本報告では,非漸近的かつ非漸近的保証を伴う非パラメトリック同時信頼バンドの構築問題について検討する。
このアプローチは、パーリー・ウィーナー核がヒルベルト空間を再現する理論に基づいている。
論文 参考訳(メタデータ) (2024-01-28T22:43:33Z) - Distribution-Free Inference for the Regression Function of Binary
Classification [0.0]
本稿では,ユーザの信頼度レベルに対する真の回帰関数に対して,正確に,分布自由で,漸近的に保証されていない信頼領域を構築するための再サンプリングフレームワークを提案する。
構築された信頼領域は強い整合性、すなわち、任意の偽モデルが確率 1 で長期にわたって除外されることが証明された。
論文 参考訳(メタデータ) (2023-08-03T15:52:27Z) - Kernel-based off-policy estimation without overlap: Instance optimality
beyond semiparametric efficiency [53.90687548731265]
本研究では,観測データに基づいて線形関数を推定するための最適手順について検討する。
任意の凸および対称函数クラス $mathcalF$ に対して、平均二乗誤差で有界な非漸近局所ミニマックスを導出する。
論文 参考訳(メタデータ) (2023-01-16T02:57:37Z) - Nonparametric Conditional Local Independence Testing [69.31200003384122]
条件付き局所独立は、連続的な時間プロセス間の独立関係である。
条件付き地域独立の非パラメトリックテストは行われていない。
二重機械学習に基づく非パラメトリックテストを提案する。
論文 参考訳(メタデータ) (2022-03-25T10:31:02Z) - Optimal policy evaluation using kernel-based temporal difference methods [78.83926562536791]
カーネルヒルベルト空間を用いて、無限水平割引マルコフ報酬過程の値関数を推定する。
我々は、関連するカーネル演算子の固有値に明示的に依存した誤差の非漸近上界を導出する。
MRP のサブクラスに対する minimax の下位境界を証明する。
論文 参考訳(メタデータ) (2021-09-24T14:48:20Z) - Robust Uncertainty Bounds in Reproducing Kernel Hilbert Spaces: A Convex
Optimization Approach [9.462535418331615]
サンプル外境界は、見当たらない入力位置で確立できることが知られている。
有限サンプルの不確実性境界の密接な計算は、パラメトリック制約付き線形プログラムを解くのにどのように役立つかを示す。
論文 参考訳(メタデータ) (2021-04-19T19:27:52Z) - Towards Unbiased Random Features with Lower Variance For Stationary
Indefinite Kernels [26.57122949130266]
本アルゴリズムは,既存のカーネル近似法と比較して,より低い分散と近似誤差を達成する。
もともと選択されたカーネルの近似性が向上し、分類精度と回帰能力が向上する。
論文 参考訳(メタデータ) (2021-04-13T13:56:50Z) - Denoising Score Matching with Random Fourier Features [11.60130641443281]
Kernel Exponential Family を用いたDenoising Score matching の解析式をモデル分布として導出する。
得られた式はノイズのばらつきに明示的に依存するため、バリデーション損失はノイズレベルを調整するために簡単に使用できる。
論文 参考訳(メタデータ) (2021-01-13T18:02:39Z) - Uncertainty quantification for nonconvex tensor completion: Confidence
intervals, heteroscedasticity and optimality [92.35257908210316]
本研究では,不完全かつ破損した観測によって与えられる低ランクテンソルを推定する問題について検討する。
改善不可能なレートをell-2$の精度で達成できることが分かりました。
論文 参考訳(メタデータ) (2020-06-15T17:47:13Z) - Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。
正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。
カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文 参考訳(メタデータ) (2020-05-20T15:01:03Z) - Distributed, partially collapsed MCMC for Bayesian Nonparametrics [68.5279360794418]
ディリクレ法やベータ・ベルヌーリ法のようなモデルでよく用いられる完全無作為測度は独立な部分測度に分解可能であるという事実を利用する。
この分解を用いて、潜在測度を、インスタンス化された成分のみを含む有限測度と、他のすべての成分を含む無限測度に分割する。
得られたハイブリッドアルゴリズムは、収束保証を犠牲にすることなくスケーラブルな推論を可能にすることができる。
論文 参考訳(メタデータ) (2020-01-15T23:10:13Z)
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。