論文の概要: The Parametric Stability of Well-separated Spherical Gaussian Mixtures
- arxiv url: http://arxiv.org/abs/2302.00242v1
- Date: Wed, 1 Feb 2023 04:52:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-02 13:36:15.627945
- Title: The Parametric Stability of Well-separated Spherical Gaussian Mixtures
- Title(参考訳): 球状ガウス混合系のパラメトリック安定性
- Authors: Hanyu Zhang, Marina Meila
- Abstract要約: 分布空間の小さな摂動下で球状ガウス混合モデル(sGMM)のパラメータ安定性を定量化する。
既定義モデルクラスにおける球面ガウス$P$(sGMM)の混合に対して、全変動距離におけるこのモデルクラスの他のすべてのsGMMは、Pに小さいパラメータ距離を持つことを示す最初の明示的境界を導出する。
- 参考スコア(独自算出の注目度): 7.238973585403367
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We quantify the parameter stability of a spherical Gaussian Mixture Model
(sGMM) under small perturbations in distribution space. Namely, we derive the
first explicit bound to show that for a mixture of spherical Gaussian $P$
(sGMM) in a pre-defined model class, all other sGMM close to $P$ in this model
class in total variation distance has a small parameter distance to $P$.
Further, this upper bound only depends on $P$. The motivation for this work
lies in providing guarantees for fitting Gaussian mixtures; with this aim in
mind, all the constants involved are well defined and distribution free
conditions for fitting mixtures of spherical Gaussians. Our results tighten
considerably the existing computable bounds, and asymptotically match the known
sharp thresholds for this problem.
- Abstract(参考訳): 分布空間における小さな摂動下での球状ガウス混合モデル(sgmm)のパラメータ安定性を定量化する。
すなわち、事前定義されたモデルクラスにおける球状ガウス$P$(sGMM)の混合に対して、全変動距離におけるこのモデルクラスの他のすべてのsGMMは、$P$に小さなパラメータ距離を持つことを示す最初の明示的境界を導出する。
さらに、この上限は$p$にのみ依存する。
この研究の動機は、ガウス混合を適合させる保証を提供することにある。この目的を念頭に置いて、すべての定数は十分に定義され、球面ガウス混合を適合させる自由条件が分布する。
我々の結果は既存の計算可能境界をかなり厳しくし、この問題の既知の鋭いしきい値に漸近的に一致する。
関連論文リスト
- Toward Global Convergence of Gradient EM for Over-Parameterized Gaussian Mixture Models [47.294535652946095]
ガウス混合モデル(GMM)の勾配予測-最大化(EM)アルゴリズムについて検討する。
これは、2ドル以上の成分を持つガウス混合に対する最初の大域収束結果である。
論文 参考訳(メタデータ) (2024-06-29T16:44:29Z) - Theoretical Guarantees for Variational Inference with Fixed-Variance Mixture of Gaussians [27.20127082606962]
変分推論(VI)はベイズ推定において一般的なアプローチである。
この研究は、非ガウスの場合のVIの理論研究に寄与することを目的としている。
論文 参考訳(メタデータ) (2024-06-06T12:38:59Z) - Riemannian optimization for non-centered mixture of scaled Gaussian
distributions [17.855338784378]
本稿では,スケールしたガウス分布(NC-MSG)の非中心混合の統計モデルについて検討する。
この分布に付随するフィッシャー・ラオ情報幾何を用いて、リーマン勾配降下アルゴリズムを導出する。
近距離セントロイド分類器は、KLの発散とその関連する質量中心を利用して実装される。
論文 参考訳(メタデータ) (2022-09-07T17:22:20Z) - Theoretical Error Analysis of Entropy Approximation for Gaussian Mixture [0.7499722271664147]
本稿では,真のエントロピーと近似値との近似誤差を分析し,この近似が有効に動作するかどうかを明らかにする。
我々の結果は、この近似が高次元問題でうまく機能することを保証している。
論文 参考訳(メタデータ) (2022-02-26T04:49:01Z) - The Schr\"odinger Bridge between Gaussian Measures has a Closed Form [101.79851806388699]
我々は OT の動的定式化(Schr"odinger bridge (SB) 問題)に焦点を当てる。
本稿では,ガウス測度間のSBに対する閉形式表現について述べる。
論文 参考訳(メタデータ) (2022-02-11T15:59:01Z) - A Robust and Flexible EM Algorithm for Mixtures of Elliptical
Distributions with Missing Data [71.9573352891936]
本稿では、ノイズや非ガウス的なデータに対するデータ計算の欠如に対処する。
楕円分布と潜在的な欠落データを扱う特性を混合した新しいEMアルゴリズムについて検討した。
合成データの実験的結果は,提案アルゴリズムが外れ値に対して頑健であり,非ガウスデータで使用可能であることを示す。
論文 参考訳(メタデータ) (2022-01-28T10:01:37Z) - 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) - Robustly Learning Mixtures of $k$ Arbitrary Gaussians [47.40835932474677]
任意の固定された$k$に対して$k$任意のガウスの混合を$mathbbRd$で頑健に推定する問題に対して、一定数の任意の汚職が存在する場合の時間アルゴリズムを与える。
本研究の主なツールは,2乗法に依拠する効率的な分節クラスタリングアルゴリズムと,Frobeniusノルムおよび低ランク項の誤りを許容する新しいテンソル分解アルゴリズムである。
論文 参考訳(メタデータ) (2020-12-03T17:54:03Z) - Self-regularizing Property of Nonparametric Maximum Likelihood Estimator
in Mixture Models [39.27013036481509]
一般ガウス混合に対する非パラメトリック最大度(NPMLE)モデルを導入する。
サンプルサイズに基づくNPMLEは高い確率で$O(log n)$原子(質量点)を持つことを示す。
特に、任意の混合は、$Olog選択を持つ有限の混合から統計的に入っている。
論文 参考訳(メタデータ) (2020-08-19T03:39:13Z) - Algebraic and Analytic Approaches for Parameter Learning in Mixture
Models [66.96778152993858]
1次元の混合モデルにおけるパラメータ学習のための2つの異なるアプローチを提案する。
これらの分布のいくつかについては、パラメータ推定の最初の保証を示す。
論文 参考訳(メタデータ) (2020-01-19T05:10:56Z)
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。