論文の概要: The Fisher-Rao geometry of CES distributions
- arxiv url: http://arxiv.org/abs/2310.01032v1
- Date: Mon, 2 Oct 2023 09:23:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-04 22:43:42.163006
- Title: The Fisher-Rao geometry of CES distributions
- Title(参考訳): CES分布のフィッシャー・ラオ幾何学
- Authors: Florent Bouchard, Arnaud Breloy, Antoine Collas, Alexandre Renaux,
Guillaume Ginolhac
- Abstract要約: Fisher-Rao情報幾何学は、ツールを微分幾何学から活用することができる。
楕円分布の枠組みにおけるこれらの幾何学的ツールの実用的利用について述べる。
- 参考スコア(独自算出の注目度): 50.50897590847961
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: When dealing with a parametric statistical model, a Riemannian manifold can
naturally appear by endowing the parameter space with the Fisher information
metric. The geometry induced on the parameters by this metric is then referred
to as the Fisher-Rao information geometry. Interestingly, this yields a point
of view that allows for leveragingmany tools from differential geometry. After
a brief introduction about these concepts, we will present some practical uses
of these geometric tools in the framework of elliptical distributions. This
second part of the exposition is divided into three main axes: Riemannian
optimization for covariance matrix estimation, Intrinsic Cram\'er-Rao bounds,
and classification using Riemannian distances.
- Abstract(参考訳): パラメトリック統計モデルを扱うとき、リーマン多様体は、パラメータ空間にフィッシャー情報計量を与えることによって自然に現れる。
この計量によってパラメータに誘導される幾何学はフィッシャー・ラオ情報幾何学と呼ばれる。
興味深いことに、これは微分幾何学から多くのツールを活用することができる視点をもたらす。
これらの概念を簡潔に紹介した後、楕円分布の枠組みにこれらの幾何学的ツールの実用的利用を示す。
この表現の第2部は3つの主要な軸に分けられる:共分散行列推定のためのリーマン最適化、内在的クレー=ラオ境界、リーマン距離を用いた分類。
関連論文リスト
- Pulling back symmetric Riemannian geometry for data analysis [0.0]
データセットの理想的なデータ解析ツールは、非線形幾何学を考慮すべきである。
非線型幾何学を考慮に入れたリッチな数学的構造は、データ幾何学を捉えることができることが示されている。
ユークリッド空間のデータのために最初に開発された多くの標準的なデータ解析ツールは、対称リーマン多様体上のデータに効率的に一般化することができる。
論文 参考訳(メタデータ) (2024-03-11T10:59:55Z) - Principal subbundles for dimension reduction [0.07515511160657122]
我々は、多様体学習や曲面再構成にサブリーマン幾何学をどのように利用できるかを示す。
ノイズの多いデータに適用すると,フレームワークが堅牢であることを示す。
論文 参考訳(メタデータ) (2023-07-06T16:55:21Z) - Curvature-Independent Last-Iterate Convergence for Games on Riemannian
Manifolds [77.4346324549323]
本研究では, 多様体の曲率に依存しないステップサイズが, 曲率非依存かつ直線的最終点収束率を達成することを示す。
我々の知る限りでは、曲率非依存率や/または最終点収束の可能性はこれまでに検討されていない。
論文 参考訳(メタデータ) (2023-06-29T01:20:44Z) - Adaptive Riemannian Metrics on SPD Manifolds [67.48576298756996]
対称正定値行列(SPD)は、データの構造的相関を符号化する本質的な能力のため、機械学習において広く注目を集めている。
既存の固定計量テンソルは、SPD行列学習、特にSPDニューラルネットワークの準最適性能をもたらす可能性がある。
論文 参考訳(メタデータ) (2023-03-26T18:31:52Z) - Geometric variational inference [0.0]
変分推論 (VI) またはマルコフ・チェイン・モンテカルロ (MCMC) 技術は点推定を超えて用いられる。
本研究は,リーマン幾何学とフィッシャー情報量に基づく幾何学的変分推論(geoVI)を提案する。
変換によって誘導される座標系で表される分布は、特に単純であり、正確な変分近似を可能にする。
論文 参考訳(メタデータ) (2021-05-21T17:18:50Z) - A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。
我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
論文 参考訳(メタデータ) (2021-05-06T17:36:55Z) - Hybrid and Generalized Bayesian Cram\'{e}r-Rao Inequalities via
Information Geometry [15.33401602207049]
この章では、このフレームワークをより一般的なCram'er-Rao不等式にまで拡張する最近の結果を要約する。
eguchi の理論を czsisz'ar $f$-divergence の一般化形式に適用する。
論文 参考訳(メタデータ) (2021-04-02T14:21:49Z) - Bayesian Quadrature on Riemannian Data Manifolds [79.71142807798284]
データに固有の非線形幾何学構造をモデル化する原則的な方法が提供される。
しかし、これらの演算は通常計算的に要求される。
特に、正規法則上の積分を数値計算するためにベイズ二次(bq)に焦点を当てる。
先行知識と活発な探索手法を両立させることで,BQは必要な評価回数を大幅に削減できることを示す。
論文 参考訳(メタデータ) (2021-02-12T17:38:04Z) - On the minmax regret for statistical manifolds: the role of curvature [68.8204255655161]
2つの部分のコードと最小記述長は、最高のモデルを選別するための手順を提供するのに成功している。
我々は、フィッシャー情報計量のスカラー曲率が支配的な役割を果たす複雑さによって与えられる標準表現よりも、よりシャープな表現を導出する。
論文 参考訳(メタデータ) (2020-07-06T17:28:19Z) - Riemannian geometry for Compound Gaussian distributions: application to
recursive change detection [11.90288071168733]
フィッシャー情報計量は、対応する測地線と距離関数とともに得られる。
この新たな幾何は、多変量画像時系列における変化検出問題に適用される。
シミュレーションデータに示すように、計算効率を向上しながら最適な性能に達することができる。
論文 参考訳(メタデータ) (2020-05-20T14:51:09Z)
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。