Fugu-MT 論文翻訳(概要): Universal scaling of higher-order spacing ratios in Gaussian random matrices

論文の概要: Universal scaling of higher-order spacing ratios in Gaussian random matrices

arxiv url: http://arxiv.org/abs/2207.02140v1
Date: Fri, 1 Jul 2022 13:59:26 GMT
ステータス: 処理完了
システム内更新日: 2023-02-07 01:49:48.936579
Title: Universal scaling of higher-order spacing ratios in Gaussian random matrices
Title（参考訳）: ガウス乱数行列における高次間隔比の普遍的スケーリング
Authors: Udaysinh T. Bhosale
Abstract要約: ガウスアンサンブルの高次間隔比を解析的に検討した。初期の数値研究から知られている普遍的な関係は、スケーリングの限界において証明される。
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: Higher-order spacing ratios in Gaussian ensembles are investigated analytically. A universal scaling relation, known from earlier numerical studies, of the higher-order spacing ratios is proved in the asymptotic limits.
Abstract（参考訳）: ガウスアンサンブルの高次間隔比を解析的に検討した。先行する数値研究から知られる普遍的スケーリング関係は、漸近的極限において高次間隔比が証明される。

関連論文リスト

Maximum mean discrepancies of Farey sequences [3.2995359570845912]
クラスは、少なくとも1-半の順序のすべてのマトエルン核を含む。このクラスは、少なくとも半順序のすべてのマトエルン核を含む。
論文参考訳（メタデータ） (2024-07-14T14:16:03Z)
High-Dimensional Kernel Methods under Covariate Shift: Data-Dependent Implicit Regularization [83.06112052443233]
本稿では,共変量シフト下での高次元におけるカーネルリッジの回帰について検討する。バイアス分散分解により、再重み付け戦略が分散を減少させることができることを理論的に証明する。偏見について,任意の偏見の正則化を解析し,偏見が正則化の異なる尺度で非常に異なる振る舞いをすることができることを示す。
論文参考訳（メタデータ） (2024-06-05T12:03:27Z)
A Random Matrix Approach to Low-Multilinear-Rank Tensor Approximation [24.558241146742205]
本研究では,データテンソルの展開のスペクトルの多次元的挙動を特徴付け,信号の主方向の検出性を決定する関連信号-雑音比を示す。その結果,非自明な状態下でのマルチリニアSVD (MLSVD) の再構成性能を正確に予測することができた。
論文参考訳（メタデータ） (2024-02-05T16:38:30Z)
Universal coding, intrinsic volumes, and metric complexity [3.4392739159262145]
ガウス的設定における逐次確率の割り当てについて検討し、ゴールは実数値観測の列を予測または等価に予測することである。解析の一環として、一般集合のミニマックスについても記述し、情報理論の古典的な結果と最終的に関連づける。
論文参考訳（メタデータ） (2023-03-13T16:54:04Z)
Nonconvex Stochastic Scaled-Gradient Descent and Generalized Eigenvector Problems [98.34292831923335]
オンライン相関解析の問題から,emphStochastic Scaled-Gradient Descent (SSD)アルゴリズムを提案する。我々はこれらのアイデアをオンライン相関解析に適用し、局所収束率を正規性に比例した最適な1時間スケールのアルゴリズムを初めて導いた。
論文参考訳（メタデータ） (2021-12-29T18:46:52Z)
Sharp global convergence guarantees for iterative nonconvex optimization: A Gaussian process perspective [30.524043513721168]
回帰モデルのクラスに対する反復アルゴリズムの収束を解析するための一般的なレシピを開発する。決定論的には、有限サンプル状態におけるアルゴリズムの収束率と最終的なエラーフロアの両方を正確にキャプチャする。我々は、更新の交互化に基づく高次アルゴリズムと、下位次数に基づく一次アルゴリズムの両方に対して、鋭い収束率を示す。
論文参考訳（メタデータ） (2021-09-20T21:48:19Z)
Mean-Square Analysis with An Application to Optimal Dimension Dependence of Langevin Monte Carlo [60.785586069299356]
この研究は、2-ワッサーシュタイン距離におけるサンプリング誤差の非同相解析のための一般的な枠組みを提供する。我々の理論解析は数値実験によってさらに検証される。
論文参考訳（メタデータ） (2021-09-08T18:00:05Z)
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)
Benign Overfitting of Constant-Stepsize SGD for Linear Regression [122.70478935214128]
帰納バイアスは経験的に過剰フィットを防げる中心的存在ですこの研究は、この問題を最も基本的な設定として考慮している: 線形回帰に対する定数ステップサイズ SGD。我々は、(正規化されていない)SGDで得られるアルゴリズム正則化と、通常の最小二乗よりも多くの顕著な違いを反映する。
論文参考訳（メタデータ） (2021-03-23T17:15:53Z)
Optimal Randomized First-Order Methods for Least-Squares Problems [56.05635751529922]
このアルゴリズムのクラスは、最小二乗問題に対する最も高速な解法のうち、いくつかのランダム化手法を含んでいる。我々は2つの古典的埋め込み、すなわちガウス射影とアダマール変換のサブサンプリングに焦点を当てる。得られたアルゴリズムは条件数に依存しない最小二乗問題の解法として最も複雑である。
論文参考訳（メタデータ） (2020-02-21T17:45:32Z)

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。