Fugu-MT 論文翻訳(概要): Variational Weighting for Kernel Density Ratios

論文の概要: Variational Weighting for Kernel Density Ratios

arxiv url: http://arxiv.org/abs/2311.03001v1
Date: Mon, 6 Nov 2023 10:12:19 GMT
ステータス: 処理完了
システム内更新日: 2023-11-07 14:48:01.496995
Title: Variational Weighting for Kernel Density Ratios
Title（参考訳）: カーネル密度比の変動重み付け
Authors: Sangwoong Yoon, Frank C. Park, Gunsu S Yun, Iljung Kim, Yung-Kyun Noh
Abstract要約: カーネル密度推定(KDE)は、機械学習における様々な生成的および識別的タスクに不可欠なものである。我々は、密度比の標準カーネル密度推定値のバイアスを低減する最適重み関数を導出し、予測後部の推定値と情報理論測度を改善する。
参考スコア（独自算出の注目度）: 11.555375654882525
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Kernel density estimation (KDE) is integral to a range of generative and discriminative tasks in machine learning. Drawing upon tools from the multidimensional calculus of variations, we derive an optimal weight function that reduces bias in standard kernel density estimates for density ratios, leading to improved estimates of prediction posteriors and information-theoretic measures. In the process, we shed light on some fundamental aspects of density estimation, particularly from the perspective of algorithms that employ KDEs as their main building blocks.
Abstract（参考訳）: カーネル密度推定(kde)は、機械学習において生成的および判別的タスクの範囲に不可欠である。変動の多次元計算からツールを描画することにより、密度比の標準カーネル密度推定値のバイアスを低減する最適な重み関数が導出され、予測後続推定と情報理論測度が改善される。この過程で,特にkdesを主構成要素とするアルゴリズムの観点から,密度推定のいくつかの基本的な側面を明らかにした。

関連論文リスト

Density Estimation via Binless Multidimensional Integration [45.21975243399607]
非パラメトリック、ロバスト、およびデータ効率の高い密度推定のためのBinless Multidimensional Thermodynamic Integration (BMTI)法を提案する。 BMTIは、近隣のデータポイント間の対数密度差を計算し、その密度の対数を推定する。この方法は様々な複雑な合成高次元データセットでテストされ、化学物理学の文献から現実的なデータセットでベンチマークされる。
論文参考訳（メタデータ） (2024-07-10T23:45:20Z)
Tracking Dynamic Gaussian Density with a Theoretically Optimal Sliding Window Approach [16.45003200150227]
我々は「すべり窓」カーネル密度推定器の正確な平均2乗誤差(MISE)について検討した。合成データセットを用いて実験的なエビデンスを提示し、重み付け方式がトラッキング性能を向上させることを示す。
論文参考訳（メタデータ） (2024-03-11T23:21:26Z)
Stability and Generalization of the Decentralized Stochastic Gradient Descent Ascent Algorithm [80.94861441583275]
本稿では,分散勾配勾配(D-SGDA)アルゴリズムの一般化境界の複雑さについて検討する。本研究は,D-SGDAの一般化における各因子の影響を解析した。また、最適凸凹設定を得るために一般化とバランスをとる。
論文参考訳（メタデータ） (2023-10-31T11:27:01Z)
Anomaly Detection with Variance Stabilized Density Estimation [49.46356430493534]
本稿では, 観測試料の確率を最大化するための分散安定化密度推定問題を提案する。信頼性の高い異常検知器を得るために,分散安定化分布を学習するための自己回帰モデルのスペクトルアンサンブルを導入する。我々は52のデータセットで広範なベンチマークを行い、我々の手法が最先端の結果につながることを示した。
論文参考訳（メタデータ） (2023-06-01T11:52:58Z)
Fast Kernel Density Estimation with Density Matrices and Random Fourier Features [0.0]
カーネル密度推定 (KDE) は、最も広く使われている非パラメトリック密度推定法の一つである。 DMKDEは密度行列、量子力学的定式化、ランダムフーリエ特徴、明示的なカーネル近似を用いて密度推定を生成する。 DMKDEは、計算密度推定の競合と同等であり、高次元データ上で実行された場合の利点が示される。
論文参考訳（メタデータ） (2022-08-02T02:11:10Z)
Learning Transfer Operators by Kernel Density Estimation [0.0]
統計的密度推定の枠組みの中で問題を再検討する。フロベニウス・ペロン作用素の固有ベクトルの推定におけるこのアプローチの有効性と有効性を示す。この分野に他の密度推定手法を組み込む可能性を提案する。
論文参考訳（メタデータ） (2022-08-01T14:28:10Z)
TAKDE: Temporal Adaptive Kernel Density Estimator for Real-Time Dynamic Density Estimation [16.45003200150227]
時間適応型カーネル密度推定器(TAKDE)と命名する。 TAKDEは最悪のAMISEの点で理論的に最適である。合成および実世界のデータセットを用いて数値実験を行い、TAKDEが他の最先端の動的密度推定器より優れていることを示す。
論文参考訳（メタデータ） (2022-03-15T23:38:32Z)
Density-Based Clustering with Kernel Diffusion [59.4179549482505]
単位$d$次元ユークリッド球のインジケータ関数に対応するナイーブ密度は、密度に基づくクラスタリングアルゴリズムで一般的に使用される。局所分布特性と滑らかさの異なるデータに適応する新しいカーネル拡散密度関数を提案する。
論文参考訳（メタデータ） (2021-10-11T09:00:33Z)
Featurized Density Ratio Estimation [82.40706152910292]
本研究では,2つの分布を推定前の共通特徴空間にマッピングするために,可逆生成モデルを活用することを提案する。この偉業化は、学習された入力空間の密度比が任意に不正確な場合、潜在空間において密度が密接な関係をもたらす。同時に、特徴写像の可逆性は、特徴空間で計算された比が入力空間で計算された比と同値であることを保証する。
論文参考訳（メタデータ） (2021-07-05T18:30:26Z)
Nonparametric Density Estimation from Markov Chains [68.8204255655161]
我々はマルコフ・チェインにインスパイアされた新しい非パラメトリック密度推定器を導入し、よく知られたケルネル密度推定器を一般化する。我々の推定器は, 通常のものに対していくつかの利点を示し, 全密度アルゴリズムの基盤として容易に利用できる。
論文参考訳（メタデータ） (2020-09-08T18:33:42Z)

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。