Fugu-MT 論文翻訳(概要): Two derivations of Principal Component Analysis on datasets of distributions

論文の概要: Two derivations of Principal Component Analysis on datasets of distributions

arxiv url: http://arxiv.org/abs/2306.13503v1
Date: Fri, 23 Jun 2023 14:00:14 GMT
ステータス: 処理完了
システム内更新日: 2023-06-26 12:37:48.601877
Title: Two derivations of Principal Component Analysis on datasets of distributions
Title（参考訳）: 分布データセットにおける主成分分析の2つの導出
Authors: Vlad Niculae
Abstract要約: 我々は、点ではなく分布からなるデータセットに対して主成分分析(PCA)を定式化する。点上の通常のPCAと同様、分散最大化原理と再構成誤差の最小化により等価に導出することができ、分布PCAに対する閉形式解を導出する。
参考スコア（独自算出の注目度）: 15.635370717421017
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this brief note, we formulate Principal Component Analysis (PCA) over datasets consisting not of points but of distributions, characterized by their location and covariance. Just like the usual PCA on points can be equivalently derived via a variance-maximization principle and via a minimization of reconstruction error, we derive a closed-form solution for distributional PCA from both of these perspectives.
Abstract（参考訳）: 本稿では,主成分分析(PCA)を点ではなく分布からなるデータセット上で定式化し,その位置と共分散を特徴とする。点上の通常のPCAは、分散最大化原理と再構成誤差の最小化により等価に導出できるのと同じように、これらの両視点から分布PCAに対する閉形式解を導出する。

関連論文リスト

From explained variance of correlated components to PCA without orthogonality constraints [0.0]
データマトリックスAのブロック主成分分析(Block PCA)は1正規化によるスパースPCAの設計には難しい。相関成分 Y = AZ で説明されるデータ行列 A の分散部分を測定する新しい目的行列関数 expvar(Y) を導入する。
論文参考訳（メタデータ） (2024-02-07T09:32:32Z)
Empirical Bayes Covariance Decomposition, and a solution to the Multiple Tuning Problem in Sparse PCA [2.5382095320488673]
スパース主成分分析(PCA)は,PCAの解釈可能性と信頼性を両立させる手法として提案されている。経験ベイズ法による「複数チューニング問題」の解法を提案する。
論文参考訳（メタデータ） (2023-12-06T04:00:42Z)
Classification of Heavy-tailed Features in High Dimensions: a Superstatistical Approach [1.4469725791865984]
我々は2つのデータポイントの雲と一般的なセントロイドの混合の学習を特徴付ける。得られた推定器の一般化性能について検討し、正規化の役割を解析し、分離性遷移を解析した。
論文参考訳（メタデータ） (2023-04-06T07:53:05Z)
Eigen Analysis of Self-Attention and its Reconstruction from Partial Computation [58.80806716024701]
ドット積に基づく自己注意を用いて計算した注意点のグローバルな構造について検討する。注意点の変動の大部分は低次元固有空間にあることがわかった。トークンペアの部分的な部分集合に対してのみスコアを計算し、それを用いて残りのペアのスコアを推定する。
論文参考訳（メタデータ） (2021-06-16T14:38:42Z)
A Linearly Convergent Algorithm for Distributed Principal Component Analysis [12.91948651812873]
本稿では,1時間スケール分散pcaアルゴリズムである分散sanger's algorithm(dsa)を提案する。提案アルゴリズムは真の解の近傍に線形収束することを示した。
論文参考訳（メタデータ） (2021-01-05T00:51:14Z)
Supervised PCA: A Multiobjective Approach [70.99924195791532]
制御主成分分析法(SPCA) 本研究では,これらの目的を両立させる新しいSPCA手法を提案する。この手法は、任意の教師付き学習損失に対応し、統計的再構成により、一般化された線形モデルの新しい低ランク拡張を提供する。
論文参考訳（メタデータ） (2020-11-10T18:46:58Z)
Consistency of archetypal analysis [10.424626933990272]
Archetypal Analysisは、凸多面体を用いて多変量データを要約する教師なし学習手法である。本稿では,そのデータが有界サポートを持つ確率測度から独立にサンプリングされているかどうかを示す一貫性の証明を行う。また, 最適目標値の収束率を, 分布の適切な仮定で求める。
論文参考訳（メタデータ） (2020-10-16T04:07:26Z)
Accounting for Unobserved Confounding in Domain Generalization [107.0464488046289]
本稿では,データセットの組み合わせから頑健で一般化可能な予測モデルを学習する際の問題点について検討する。堅牢なモデルを学ぶことの課題の一部は、保存されていない共同設立者の影響にある。異なるモダリティの医療データに対するアプローチの実証的性能を実証する。
論文参考訳（メタデータ） (2020-07-21T08:18:06Z)
Repulsive Mixture Models of Exponential Family PCA for Clustering [127.90219303669006]
指数関数型家族主成分分析(EPCA)の混合拡張は、従来のEPCAよりもデータ分布に関する構造情報を符号化するように設計された。従来のEPCAの混合は、モデルの冗長性、すなわち混合成分間の重なりが問題であり、データクラスタリングの曖昧さを引き起こす可能性がある。本稿では, 混合成分間での反発性増感前処理を導入し, ベイズ式に分散EPCA混合(DEPCAM)モデルを開発した。
論文参考訳（メタデータ） (2020-04-07T04:07:29Z)
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)
Few-shot Domain Adaptation by Causal Mechanism Transfer [107.08605582020866]
我々は,少数のラベル付き対象ドメインデータと多数のラベル付きソースドメインデータしか利用できないレグレッション問題に対して,数ショットの教師付きドメイン適応(DA)について検討する。現在のDA法の多くは、パラメータ化された分布シフトまたは明らかな分布類似性に基づく転送仮定に基づいている。本稿では,データ生成機構がドメイン間で不変であるメタ分散シナリオであるメカニズム転送を提案する。
論文参考訳（メタデータ） (2020-02-10T02:16:53Z)

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。