論文の概要: Parametric information geometry with the package Geomstats

• arxiv url: http://arxiv.org/abs/2211.11643v1
• Date: Mon, 21 Nov 2022 16:56:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 23:12:26.256894
• Title: Parametric information geometry with the package Geomstats
• Title（参考訳）: パッケージGeomstatsを用いたパラメトリック情報幾何学
• Authors: Alice Le Brigant, Jules Deschamps, Antoine Collas, Nina Miolane
• Abstract要約: 我々はPythonパッケージGeomstatsの情報幾何学モジュールを紹介する。 この加群は、任意のパラメトリック分布の族に対するフィッシャー・ラオ・リーマン幾何学を与える。 重要なのは、確率分布に関する統計と機械学習の扉を開くことだ。
• 参考スコア（独自算出の注目度）: 4.205692673448206
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce the information geometry module of the Python package Geomstats. The module first implements Fisher-Rao Riemannian manifolds of widely used parametric families of probability distributions, such as normal, gamma, beta, Dirichlet distributions, and more. The module further gives the Fisher-Rao Riemannian geometry of any parametric family of distributions of interest, given a parameterized probability density function as input. The implemented Riemannian geometry tools allow users to compare, average, interpolate between distributions inside a given family. Importantly, such capabilities open the door to statistics and machine learning on probability distributions. We present the object-oriented implementation of the module along with illustrative examples and show how it can be used to perform learning on manifolds of parametric probability distributions.
• Abstract（参考訳）: 我々はPythonパッケージGeomstatsの情報幾何学モジュールを紹介する。 この加群は最初に、正規、ガンマ、ベータ、ディリクレ分布など、広く使われる確率分布のパラメトリック族からなるフィッシャー・ラオリーマン多様体を実装している。 この加群はさらに、パラメータ化された確率密度関数を入力として与えられた任意の関心分布のパラメトリック族のフィッシャー・ラオ・リーマン幾何学を与える。 実装されたリーマン幾何学ツールは、ある家族内の分布の比較、平均、補間を可能にする。 重要なのは、確率分布に関する統計と機械学習の扉を開くことだ。 本稿では,このモジュールのオブジェクト指向実装と,その例を示し,パラメトリック確率分布の多様体上での学習をいかに行うかを示す。

関連論文リスト

• Wasserstein Flow Matching: Generative modeling over families of distributions [13.620905707751747]
  ガウス分布を用いて生成モデリングを行い、単一セルゲノムデータから粒状細胞状態の表現を生成する方法を示す。 また、WFMは、高次元と可変サイズの点雲間の流れを学習し、空間転写学データセットから細胞マイクロ環境を合成できることを示す。
  論文  参考訳（メタデータ） (2024-11-01T15:55:07Z)
• von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
  円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。 後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• On the Properties and Estimation of Pointwise Mutual Information Profiles [49.877314063833296]
  ポイントワイド相互情報プロファイル(ポイントワイド相互情報プロファイル、英: pointwise mutual information profile)は、与えられた確率変数のペアに対するポイントワイド相互情報の分布である。 そこで我々は,モンテカルロ法を用いて分布を正確に推定できる新しい分布系 Bend と Mix Models を導入する。
  論文  参考訳（メタデータ） (2023-10-16T10:02:24Z)
• The Fisher-Rao geometry of CES distributions [50.50897590847961]
  Fisher-Rao情報幾何学は、ツールを微分幾何学から活用することができる。 楕円分布の枠組みにおけるこれらの幾何学的ツールの実用的利用について述べる。
  論文  参考訳（メタデータ） (2023-10-02T09:23:32Z)
• Characteristic Function of the Tsallis $q$-Gaussian and Its Applications in Measurement and Metrology [0.0]
  ツァリス$q$-ガウス分布は標準ガウス分布の強力な一般化である。 本稿では,独立な$q$-ガウス確率変数の線形結合の特性について述べる。 これは不確実性解析のためのモンテカルロ法に代わる計算手順を提供する。
  論文  参考訳（メタデータ） (2023-03-15T13:42:35Z)
• Wrapped Distributions on homogeneous Riemannian manifolds [58.720142291102135]
  パラメータ、対称性、モダリティなどの分布の性質の制御は、フレキシブルな分布の族を生み出す。 変動型オートエンコーダと潜在空間ネットワークモデル内で提案した分布を利用して,我々のアプローチを実証的に検証する。
  論文  参考訳（メタデータ） (2022-04-20T21:25:21Z)
• Bayesian Quadrature on Riemannian Data Manifolds [79.71142807798284]
  データに固有の非線形幾何学構造をモデル化する原則的な方法が提供される。 しかし、これらの演算は通常計算的に要求される。 特に、正規法則上の積分を数値計算するためにベイズ二次(bq)に焦点を当てる。 先行知識と活発な探索手法を両立させることで,BQは必要な評価回数を大幅に削減できることを示す。
  論文  参考訳（メタデータ） (2021-02-12T17:38:04Z)
• Geomstats: A Python Package for Riemannian Geometry in Machine Learning [5.449970675406181]
  非線形方程式の計算と統計のためのオープンソースのPythonツールボックスであるGeomstatsを紹介した。 オブジェクト指向で広範な単体テスト実装を提供しています。 微分幾何学と統計学の研究を促進するため,Geomstatsは信頼性の高いビルディングブロックを提供する。 ソースコードはMITライセンスのもと、urlgeomstats.aiで無料で入手できる。
  論文  参考訳（メタデータ） (2020-04-07T20:41:50Z)
• 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)

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。