論文の概要: Positive definite nonparametric regression using an evolutionary
algorithm with application to covariance function estimation
- arxiv url: http://arxiv.org/abs/2304.13168v1
- Date: Tue, 25 Apr 2023 22:01:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-27 16:14:38.117247
- Title: Positive definite nonparametric regression using an evolutionary
algorithm with application to covariance function estimation
- Title(参考訳): 進化アルゴリズムを用いた正定値非パラメトリック回帰と共分散関数推定への応用
- Authors: Myeongjong Kang
- Abstract要約: 定常過程の共分散関数を推定するための新しい非パラメトリック回帰フレームワークを提案する。
提案手法は, 正定性, 等方性, 単調性を推定者に課すことができる。
提案手法は,長距離依存に対する信頼性の高い推定値を提供する。
- 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: We propose a novel nonparametric regression framework subject to the positive
definiteness constraint. It offers a highly modular approach for estimating
covariance functions of stationary processes. Our method can impose positive
definiteness, as well as isotropy and monotonicity, on the estimators, and its
hyperparameters can be decided using cross validation. We define our estimators
by taking integral transforms of kernel-based distribution surrogates. We then
use the iterated density estimation evolutionary algorithm, a variant of
estimation of distribution algorithms, to fit the estimators. We also extend
our method to estimate covariance functions for point-referenced data. Compared
to alternative approaches, our method provides more reliable estimates for
long-range dependence. Several numerical studies are performed to demonstrate
the efficacy and performance of our method. Also, we illustrate our method
using precipitation data from the Spatial Interpolation Comparison 97 project.
- Abstract(参考訳): 正定性制約を考慮した新しい非パラメトリック回帰フレームワークを提案する。
定常過程の共分散関数を推定するための高度にモジュラーなアプローチを提供する。
提案手法は, 正定性, 等方性, 単調性を推定器に課すことができ, クロスバリデーションを用いてその過度パラメータを決定することができる。
カーネルベースの分布サロゲートの積分変換を用いて推定器を定義する。
次に,分布推定アルゴリズムの変種である反復密度推定アルゴリズムを用いて推定値に適合する。
また,点参照データの共分散関数を推定する手法を拡張した。
代替手法と比較して,本手法は長距離依存性の信頼性の高い推定を行う。
本手法の有効性と性能を示すために,いくつかの数値的研究を行った。
また,空間補間比較97プロジェクトの降水データを用いて,本手法について述べる。
関連論文リスト
- Nonparametric Automatic Differentiation Variational Inference with
Spline Approximation [7.5620760132717795]
複雑な構造を持つ分布に対するフレキシブルな後続近似を可能にする非パラメトリック近似法を開発した。
広く使われている非パラメトリック推論手法と比較して,提案手法は実装が容易であり,様々なデータ構造に適応する。
実験では, 複雑な後続分布の近似における提案手法の有効性を実証し, 不完全データを用いた生成モデルの性能向上を図った。
論文 参考訳(メタデータ) (2024-03-10T20:22:06Z) - On diffusion-based generative models and their error bounds: The
log-concave case with full convergence estimates [3.8447306272420816]
我々は,強い対数空間データ分布を仮定して,拡散に基づく生成モデルの収束挙動を理論的に保証する。
我々は、モチベーションの例を通して、未知の平均を持つガウス分布からサンプリングし、我々のアプローチの強力さを実証する。
この手法はサンプリングアルゴリズムにおいて最もよく知られた収束率をもたらす。
論文 参考訳(メタデータ) (2023-11-22T18:40:45Z) - Orthogonal Polynomials Approximation Algorithm (OPAA):a functional
analytic approach to estimating probability densities [0.0]
新しい直交多項式近似アルゴリズム(OPAA)を提案する。
OPAAは機能解析手法を用いて確率分布を推定する。
後部の正規化重量を推定するために応用できる。
論文 参考訳(メタデータ) (2022-11-16T00:51:00Z) - Equivariance Discovery by Learned Parameter-Sharing [153.41877129746223]
データから解釈可能な等価性を発見する方法について検討する。
具体的には、モデルのパラメータ共有方式に対する最適化問題として、この発見プロセスを定式化する。
また,ガウスデータの手法を理論的に解析し,研究された発見スキームとオラクルスキームの間の平均2乗ギャップを限定する。
論文 参考訳(メタデータ) (2022-04-07T17:59:19Z) - Approximate Bayesian Computation Based on Maxima Weighted Isolation
Kernel Mapping [0.0]
この研究は、このタイプのモデルに対するパラメータの正確な評価の問題を解こうとする。
分岐過程モデルのがん細胞進化への応用は、高次元性や興味ある結果の稀な出現など、多くの困難がある。
論文 参考訳(メタデータ) (2022-01-30T07:11:57Z) - A Stochastic Newton Algorithm for Distributed Convex Optimization [62.20732134991661]
均質な分散凸最適化のためのNewtonアルゴリズムを解析し、各マシンが同じ人口目標の勾配を計算する。
提案手法は,既存の手法と比較して,性能を損なうことなく,必要な通信ラウンドの数,頻度を低減できることを示す。
論文 参考訳(メタデータ) (2021-10-07T17:51:10Z) - Statistical Inference after Kernel Ridge Regression Imputation under
item nonresponse [0.76146285961466]
カーネルリッジ回帰法による非パラメトリックな計算手法を考察し、一貫した分散推定を提案する。
提案した分散推定器はエントロピー法を用いて密度比を推定する線形化手法に基づいている。
論文 参考訳(メタデータ) (2021-01-29T20:46:33Z) - Optimal oracle inequalities for solving projected fixed-point equations [53.31620399640334]
ヒルベルト空間の既知の低次元部分空間を探索することにより、確率観測の集合を用いて近似解を計算する手法を検討する。
本稿では,線形関数近似を用いた政策評価問題に対する時間差分学習手法の誤差を正確に評価する方法について述べる。
論文 参考訳(メタデータ) (2020-12-09T20:19:32Z) - Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。
正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。
カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文 参考訳(メタデータ) (2020-05-20T15:01:03Z) - A Distributional Analysis of Sampling-Based Reinforcement Learning
Algorithms [67.67377846416106]
定常ステップサイズに対する強化学習アルゴリズムの理論解析に対する分布的アプローチを提案する。
本稿では,TD($lambda$)や$Q$-Learningのような値ベースの手法が,関数の分布空間で制約のある更新ルールを持つことを示す。
論文 参考訳(メタデータ) (2020-03-27T05:13:29Z) - Batch Stationary Distribution Estimation [98.18201132095066]
サンプル遷移の組を与えられたエルゴードマルコフ鎖の定常分布を近似する問題を考える。
与えられたデータに対する補正比関数の復元に基づく一貫した推定器を提案する。
論文 参考訳(メタデータ) (2020-03-02T09:10:01Z)
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。