論文の概要: Bayes Risk Consistency of Nonparametric Classification Rules for Spike Trains Data

• arxiv url: http://arxiv.org/abs/2308.04796v1
• Date: Wed, 9 Aug 2023 08:34:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-10 14:33:27.507050
• Title: Bayes Risk Consistency of Nonparametric Classification Rules for Spike Trains Data
• Title（参考訳）: スパイク列車データに対する非パラメトリック分類規則のベイズリスク一貫性
• Authors: Miros{\l}aw Pawlak, Mateusz Pabian, Dominik Rzepka
• Abstract要約: Spikeの訓練データには、計算神経科学、イメージング、ストリーミングデータ、ファイナンスなどの応用が増えている。 スパイクトレインの機械学習戦略は、様々なニューラルネットワークと確率モデルに基づいている。 本稿では,非パラメトリック特定強度関数を特徴とするスパイクトレインデータのクラスに対する2クラス統計分類問題について考察する。
• 参考スコア（独自算出の注目度）: 4.047840018793636
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spike trains data find a growing list of applications in computational neuroscience, imaging, streaming data and finance. Machine learning strategies for spike trains are based on various neural network and probabilistic models. The probabilistic approach is relying on parametric or nonparametric specifications of the underlying spike generation model. In this paper we consider the two-class statistical classification problem for a class of spike train data characterized by nonparametrically specified intensity functions. We derive the optimal Bayes rule and next form the plug-in nonparametric kernel classifier. Asymptotical properties of the rules are established including the limit with respect to the increasing recording time interval and the size of a training set. In particular the convergence of the kernel classifier to the Bayes rule is proved. The obtained results are supported by a finite sample simulation studies.
• Abstract（参考訳）: Spikeの訓練データには、計算神経科学、イメージング、ストリーミングデータ、ファイナンスなどの応用が増えている。 スパイクトレインの機械学習戦略は、様々なニューラルネットワークと確率モデルに基づいている。 確率論的アプローチは、基礎となるスパイク生成モデルのパラメトリックまたは非パラメトリック仕様に依存する。 本稿では,非パラメトリック特定強度関数を特徴とするスパイクトレインデータの2クラス統計分類問題について考察する。 最適ベイズ則を導出し、次にプラグイン非パラメトリックカーネル分類器を形成する。 記録時間間隔の増大とトレーニングセットのサイズに関する制限を含む規則の漸近的特性を確立する。 特に、カーネル分類器のベイズ則への収束が証明される。 得られた結果は有限サンプルシミュレーション研究によって支持される。

関連論文リスト

• Deterministic and statistical calibration of constitutive models from full-field data with parametric physics-informed neural networks [36.136619420474766]
  フルフィールド変位データからモデルキャリブレーションを行うためのパラメトリック物理インフォームドニューラルネットワーク(PINN)について検討した。 PINNの高速評価により、ほぼリアルタイムでキャリブレーションを行うことができる。
  論文  参考訳（メタデータ） (2024-05-28T16:02:11Z)
• A Metalearned Neural Circuit for Nonparametric Bayesian Inference [4.767884267554628]
  機械学習の分類への応用のほとんどは、バランスの取れたクラスの閉じた集合を前提としている。 これは、クラス発生統計が長い尾の力量分布に従うことがしばしばある実世界と矛盾する。 本研究では,非パラメトリックベイズモデルから誘導バイアスを抽出し,人工ニューラルネットワークに転送する手法を提案する。
  論文  参考訳（メタデータ） (2023-11-24T16:43:17Z)
• A theory of data variability in Neural Network Bayesian inference [0.70224924046445]
  無限広ネットワークの一般化特性をカバーする場理論形式論を提供する。 入力の統計的性質から一般化特性を導出する。 データ可変性は、(varphi3+varphi4$)-理論を思い起こさせる非ガウス的作用をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-07-31T14:11:32Z)
• Kalman Filter for Online Classification of Non-Stationary Data [101.26838049872651]
  オンライン連続学習(OCL)では、学習システムはデータのストリームを受け取り、予測とトレーニングの手順を順次実行する。 本稿では,線形予測量に対するニューラル表現と状態空間モデルを用いた確率ベイズオンライン学習モデルを提案する。 多クラス分類の実験では、モデルの予測能力と非定常性を捉える柔軟性を示す。
  論文  参考訳（メタデータ） (2023-06-14T11:41:42Z)
• TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
  時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。 本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。 本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
  論文  参考訳（メタデータ） (2022-02-07T21:37:29Z)
• Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations [86.5302150777089]
  GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。 提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
  論文  参考訳（メタデータ） (2021-11-03T03:50:48Z)
• A hybrid model-based and learning-based approach for classification using limited number of training samples [13.60714541247498]
  本稿では,物理に基づく統計モデルと学習に基づく分類器の両方を利用するハイブリッド分類手法であるHyPhyLearnを提案する。 提案手法は、HyPhyLearnが学習ベースおよび統計モデルに基づく分類器の個人的アプローチに関連する課題を軽減するという予想に基づいている。
  論文  参考訳（メタデータ） (2021-06-25T05:19:50Z)
• Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
  PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。 本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。 このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
  論文  参考訳（メタデータ） (2020-09-29T12:50:33Z)
• Learned Factor Graphs for Inference from Stationary Time Sequences [107.63351413549992]
  定常時間列のためのモデルベースアルゴリズムとデータ駆動型MLツールを組み合わせたフレームワークを提案する。 ニューラルネットワークは、時系列の分布を記述する因子グラフの特定のコンポーネントを別々に学習するために開発された。 本稿では,学習された定常因子グラフに基づく推論アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-05T07:06:19Z)
• A Multi-Channel Neural Graphical Event Model with Negative Evidence [76.51278722190607]
  イベントデータセットは、タイムライン上で不規則に発生するさまざまなタイプのイベントのシーケンスである。 基礎となる強度関数を推定するために,非パラメトリックディープニューラルネットワーク手法を提案する。
  論文  参考訳（メタデータ） (2020-02-21T23:10:50Z)

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。