論文の概要: Inference on Time Series Nonparametric Conditional Moment Restrictions Using General Sieves

• arxiv url: http://arxiv.org/abs/2301.00092v2
• Date: Tue, 3 Jan 2023 02:37:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-04 11:44:33.316549
• Title: Inference on Time Series Nonparametric Conditional Moment Restrictions Using General Sieves
• Title（参考訳）: 一般シーブを用いた時系列非パラメトリック条件運動制限の推定
• Authors: Xiaohong Chen, Yuan Liao, Weichen Wang
• Abstract要約: 本稿では,時系列データの予測推定に基づく一般非線形シーブ準類似度比(GN-QLR)について考察する。 推定関数の正規性は函数空間の未知のリース表現に依存するが、最適に重み付けられたGN-QLR統計量はChi-二乗分布であることを示す。
• 参考スコア（独自算出の注目度）: 4.065100518793487
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: General nonlinear sieve learnings are classes of nonlinear sieves that can approximate nonlinear functions of high dimensional variables much more flexibly than various linear sieves (or series). This paper considers general nonlinear sieve quasi-likelihood ratio (GN-QLR) based inference on expectation functionals of time series data, where the functionals of interest are based on some nonparametric function that satisfy conditional moment restrictions and are learned using multilayer neural networks. While the asymptotic normality of the estimated functionals depends on some unknown Riesz representer of the functional space, we show that the optimally weighted GN-QLR statistic is asymptotically Chi-square distributed, regardless whether the expectation functional is regular (root-$n$ estimable) or not. This holds when the data are weakly dependent beta-mixing condition. We apply our method to the off-policy evaluation in reinforcement learning, by formulating the Bellman equation into the conditional moment restriction framework, so that we can make inference about the state-specific value functional using the proposed GN-QLR method with time series data. In addition, estimating the averaged partial means and averaged partial derivatives of nonparametric instrumental variables and quantile IV models are also presented as leading examples. Finally, a Monte Carlo study shows the finite sample performance of the procedure
• Abstract（参考訳）: 一般的な非線形シーブ学習は、高次元変数の非線形関数を様々な線形シーブ(または級数)よりも柔軟に近似できる非線形シーブの類である。 本稿では,時系列データの期待関数に基づく一般非線形シーブ準類似比(gn-qlr)に基づいて,条件モーメント制約を満たす非パラメトリック関数を基本とし,多層ニューラルネットワークを用いて学習する。 推定汎函数の漸近正規性は函数空間の未知のリース表現に依存するが、最適に重み付けられたGN-QLR統計量は予想汎函数が正則(root-$n$ estimable)かどうかに関わらず漸近的にChi-二乗分布であることを示す。 これはデータが弱い依存のベータ混合条件であるときに発生する。 本稿では,Bellman方程式を条件付きモーメント制約フレームワークに定式化することにより,強化学習におけるオフ政治評価に適用し,時系列データを用いたGN-QLR法による状態固有値関数の推論を行う。 また、非パラメトリックなインストゥルメンタル変数とクオンティルivモデルの平均部分平均と平均部分微分を主要な例として示す。 最後に、モンテカルロの研究では、手順の有限なサンプル性能を示す

関連論文リスト

• 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)
• MP-GELU Bayesian Neural Networks: Moment Propagation by GELU Nonlinearity [0.0]
  本稿では,BNNにおける第1モーメントと第2モーメントの高速な導出を可能にする,モーメント伝搬・ガウス誤差線形単位(MP-GELU)という非線形関数を提案する。 MP-GELUは、ReLUベースのBNNよりも高速な実行で予測精度が高く、不確実性の品質も向上する。
  論文  参考訳（メタデータ） (2022-11-24T03:37:29Z)
• 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)
• Inference on Strongly Identified Functionals of Weakly Identified Functions [71.42652863687117]
  本研究では,ニュアンス関数が存在しない場合でも,関数を強く識別するための新しい条件について検討する。 本稿では,プライマリおよびデバイアスのニュアンス関数に対するペナル化ミニマックス推定器を提案する。
  論文  参考訳（メタデータ） (2022-08-17T13:38:31Z)
• Functional Nonlinear Learning [0.0]
  低次元特徴空間における多変量関数データを表現する機能非線形学習法(FunNoL)を提案する。 本研究では,FunNoLがデータ間隔によらず,良好な曲線分類と再構成を提供することを示す。
  論文  参考訳（メタデータ） (2022-06-22T23:47:45Z)
• Experimental Design for Linear Functionals in Reproducing Kernel Hilbert Spaces [102.08678737900541]
  線形汎関数に対するバイアス認識設計のためのアルゴリズムを提供する。 準ガウス雑音下での固定および適応設計に対する漸近的でない信頼集合を導出する。
  論文  参考訳（メタデータ） (2022-05-26T20:56:25Z)
• Convergence bounds for nonlinear least squares and applications to tensor recovery [0.0]
  我々は、L2$-ノルムの重み付きモンテカルロ推定のみを計算できる場合、一般非線形部分集合である$L2$の関数を近似する問題を考える。 結果の批判的分析により、低ランクテンソルのモデル集合に対するサンプル効率の良いアルゴリズムを導出できる。
  論文  参考訳（メタデータ） (2021-08-11T14:14:02Z)
• Meta-Learning for Koopman Spectral Analysis with Short Time-series [49.41640137945938]
  既存の手法では、ニューラルネットワークのトレーニングに長い時間を要する。 本稿では,未知の短い時系列から埋め込み関数を推定するメタラーニング手法を提案する。 提案手法は,固有値推定と将来予測の観点から,よりよい性能を実現することを実験的に実証した。
  論文  参考訳（メタデータ） (2021-02-09T07:19:19Z)
• SLEIPNIR: Deterministic and Provably Accurate Feature Expansion for Gaussian Process Regression with Derivatives [86.01677297601624]
  本稿では,2次フーリエ特徴に基づく導関数によるGP回帰のスケーリング手法を提案する。 我々は、近似されたカーネルと近似された後部の両方に適用される決定論的、非漸近的、指数関数的に高速な崩壊誤差境界を証明した。
  論文  参考訳（メタデータ） (2020-03-05T14:33:20Z)
• Sequential Gaussian Processes for Online Learning of Nonstationary Functions [9.997259201098602]
  連続モンテカルロアルゴリズムは,オンラインの分散推論を可能としながら,非定常挙動を捉えたGPの無限混合に適合する。 提案手法は,時系列データにおける非定常性の存在下でのオンラインGP推定における最先端手法の性能を実証的に改善する。
  論文  参考訳（メタデータ） (2019-05-24T02:29:49Z)

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。