Fugu-MT 論文翻訳(概要): Naive Penalized Spline Estimators of Derivatives Achieve Optimal Rates of Convergence

論文の概要: Naive Penalized Spline Estimators of Derivatives Achieve Optimal Rates of Convergence

arxiv url: http://arxiv.org/abs/2208.10664v1
Date: Tue, 23 Aug 2022 01:10:51 GMT
ステータス: 処理完了
システム内更新日: 2022-08-24 14:14:00.450366
Title: Naive Penalized Spline Estimators of Derivatives Achieve Optimal Rates of Convergence
Title（参考訳）: 最適収束率を達成する誘導体のナイーブペナル化スプライン推定器
Authors: Bright Antwi Boasiako and John Staudenmayer
Abstract要約: 特に, 平均回帰関数のペナル化スプライン推定器を単純に微分して, 対応する導関数を推定することで, 収束率の最適L2が得られることを示す。
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: This paper studies the asymptotic behavior of penalized spline estimates of derivatives. In particular, we show that simply differentiating the penalized spline estimator of the mean regression function itself to estimate the corresponding derivative achieves the optimal L2 rate of convergence.
Abstract（参考訳）: 本稿では, ペナルティ化スプライン推定の漸近的挙動について検討する。特に, 平均回帰関数のペナル化スプライン推定器を単純に微分して, 対応する導関数を推定することで, 最適L2収束率が得られることを示す。

関連論文リスト

Derivatives of Stochastic Gradient Descent in parametric optimization [16.90974792716146]
グラディエントDescent (SGD) の反復剤の誘導体の挙動について検討する。元のSGDの収束によって摂動される異なる目的関数上の不正確なSGDによって駆動されることを示す。具体的には、定常的なステップサイズでは、これらの導関数は解導関数を中心とするノイズボール内で安定化し、消滅したステップサイズでは$O(log(k)2 / k)$収束率を示すことを示した。
論文参考訳（メタデータ） (2024-05-24T19:32:48Z)
Optimal convex $M$-estimation via score matching [6.115859302936817]
実験的リスク最小化が回帰係数の下流推定における最適分散をもたらすデータ駆動凸損失関数を構築した。半パラメトリック手法は、雑音分布の対数密度の導関数の導関数の最も少ない近似を目標とする。
論文参考訳（メタデータ） (2024-03-25T12:23:19Z)
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)
Off-policy estimation of linear functionals: Non-asymptotic theory for semi-parametric efficiency [59.48096489854697]
観測データに基づいて線形汎関数を推定する問題は、因果推論と包帯文献の両方において標準的である。このような手順の平均二乗誤差に対して非漸近上界を証明した。非漸近的局所ミニマックス下限をマッチングすることにより、有限標本のインスタンス依存最適性を確立する。
論文参考訳（メタデータ） (2022-09-26T23:50:55Z)
Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
論文参考訳（メタデータ） (2022-08-29T16:16:22Z)
High-probability Bounds for Non-Convex Stochastic Optimization with Heavy Tails [55.561406656549686]
我々は、勾配推定が末尾を持つ可能性のある一階アルゴリズムを用いたヒルベルト非最適化を考える。本研究では, 勾配, 運動量, 正規化勾配勾配の収束を高確率臨界点に収束させることと, 円滑な損失に対する最もよく知られた繰り返しを示す。
論文参考訳（メタデータ） (2021-06-28T00:17:01Z)
Variance-Aware Off-Policy Evaluation with Linear Function Approximation [85.75516599931632]
線形関数近似を用いた強化学習における非政治的評価問題について検討する。本稿では,値関数の分散を推定し,フィルタQ-Iterationにおけるベルマン残差を再重み付けするアルゴリズムVA-OPEを提案する。
論文参考訳（メタデータ） (2021-06-22T17:58:46Z)
Equivalence of Convergence Rates of Posterior Distributions and Bayes Estimators for Functions and Nonparametric Functionals [4.375582647111708]
非パラメトリック回帰におけるガウス過程の先行したベイズ法の後部収縮率について検討する。カーネルの一般クラスに対しては、回帰関数とその微分の後方測度の収束率を確立する。我々の証明は、ある条件下では、ベイズ推定器の任意の収束率に対して、後部分布の同じ収束率に対応することを示す。
論文参考訳（メタデータ） (2020-11-27T19:11:56Z)
Quantized Variational Inference [6.09170287691728]
ELBO最適化のために、量子変分推論が分散自由勾配をいかに生み出すかを示す。量子化変分推論フレームワークを用いることで、スコア関数と再パラメータ化勾配の両方に高速収束がもたらされることを示す。
論文参考訳（メタデータ） (2020-11-04T13:22:50Z)
Off-Policy Evaluation via the Regularized Lagrangian [110.28927184857478]
最近提案された分布補正推定(DICE)ファミリーは, 行動に依存しないデータを用いた非政治的評価において, 技術の現状を推し進めている。本稿では,これらを線形プログラムの正規化ラグランジアンとして統一する。双対解は、安定性と推定バイアスの間のトレードオフをナビゲートする際の柔軟性を向上し、一般的にはより優れた見積もりを提供する。
論文参考訳（メタデータ） (2020-07-07T13:45:56Z)
On the Estimation of Derivatives Using Plug-in Kernel Ridge Regression Estimators [4.392844455327199]
非パラメトリック回帰における単純なプラグインカーネルリッジ回帰(KRR)推定器を提案する。我々は,提案した推定器の挙動を統一的に研究するために,非漸近解析を行う。提案した推定器は、導関数の任意の順序に対するチューニングパラメータを同じ選択で最適収束率を達成する。
論文参考訳（メタデータ） (2020-06-02T02:32:39Z)

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。