論文の概要: Positive Semidefinite Supermartingales and Randomized Matrix Concentration Inequalities

• arxiv url: http://arxiv.org/abs/2401.15567v3
• Date: Mon, 26 Feb 2024 05:12:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-28 00:12:56.829618
• Title: Positive Semidefinite Supermartingales and Randomized Matrix Concentration Inequalities
• Title（参考訳）: 正の半定義超マーチンガールとランダム行列濃度不等式
• Authors: Hongjian Wang, Aaditya Ramdas
• Abstract要約: 種々の尾条件下でのマルティンゲール依存あるいは交換可能なランダム対称行列に対する新しい濃度不等式を示す。 これらの不等式はしばしば、文学における既存の決定論的結果よりも厳密な方法でランダム化される。
• 参考スコア（独自算出の注目度）: 35.61651875507142
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present new concentration inequalities for either martingale dependent or exchangeable random symmetric matrices under a variety of tail conditions, encompassing now-standard Chernoff bounds to self-normalized heavy-tailed settings. These inequalities are often randomized in a way that renders them strictly tighter than existing deterministic results in the literature, are typically expressed in the Loewner order, and are sometimes valid at arbitrary data-dependent stopping times. Along the way, we explore the theory of positive semidefinite supermartingales and maximal inequalities, a natural matrix analog of scalar nonnegative supermartingales that is potentially of independent interest.
• Abstract（参考訳）: 種々の尾条件下でのマルティンゲール依存あるいは交換可能なランダム対称行列に対する新しい濃度不等式を示し、現在の標準チャーノフ境界を自己正規化重テール設定に包含する。 これらの不等式はしばしば文学における既存の決定論的な結果よりも厳密な方法でランダム化され、通常ローナー順序で表現され、任意のデータ依存の停止時間において有効である。 その過程で、負の半定義超マーチンガールと極大不等式(英語版)の理論を探求し、これは独立した興味を持つ可能性があるスカラー非負超マーチンガールの自然な行列類似物である。

関連論文リスト

• Sharp Matrix Empirical Bernstein Inequalities [30.14855064043107]
  有界固有値を持つ対称ランダム行列に対して、2つの鋭い経験的ベルンシュタイン不等式を示す。 鋭いことは、両方の不等式が未知の分散に厳密な方法で適応することを意味する。
  論文  参考訳（メタデータ） (2024-11-14T15:27:18Z)
• A Result About the Classification of Quantum Covariance Matrices Based on Their Eigenspectra [0.0]
  このクラスの任意の固有スペクトルに対応する量子共分散行列の集合がシンプレクティック変換によって関連しているという性質を持つ非自明な固有スペクトルのクラスを見つける。 この性質を持つすべての非退化固有スペクトルは、このクラスに属しなければならず、そのような固有スペクトルの集合は非退化固有スペクトルのクラスと一致することを示す。
  論文  参考訳（メタデータ） (2023-08-07T09:40:09Z)
• The extended Ville's inequality for nonintegrable nonnegative supermartingales [30.14855064043107]
  我々は、可積分性も有限性も必要としない非負超行列の延長理論を厳格に提示する。 我々は、ロビンスによって予測される重要な極大不等式を導出し、拡張ヴィユの不等式(英語版)と呼ぶ。 拡張された非負の超行列の$sigma$-finite混合に適用される混合法の拡張を導出する。
  論文  参考訳（メタデータ） (2023-04-03T17:28:51Z)
• Benign Overfitting of Constant-Stepsize SGD for Linear Regression [122.70478935214128]
  帰納バイアスは 経験的に過剰フィットを防げる中心的存在です この研究は、この問題を最も基本的な設定として考慮している: 線形回帰に対する定数ステップサイズ SGD。 我々は、(正規化されていない)SGDで得られるアルゴリズム正則化と、通常の最小二乗よりも多くの顕著な違いを反映する。
  論文  参考訳（メタデータ） (2021-03-23T17:15:53Z)
• Can Single-Shuffle SGD be Better than Reshuffling SGD and GD? [77.82009268160053]
  我々は、SGDの非置換変種に対応する行列積の手段が一連のスペクトルノルムの不等式を満たすと仮定する。 我々は、いくつかの特別な場合を証明し、予想を支持する定理を示す。
  論文  参考訳（メタデータ） (2021-03-12T04:34:45Z)
• A Unified Joint Maximum Mean Discrepancy for Domain Adaptation [73.44809425486767]
  本論文は,最適化が容易なjmmdの統一形式を理論的に導出する。 統合JMMDから、JMMDは分類に有利な特徴ラベル依存を低下させることを示す。 本稿では,その依存を促進する新たなmmd行列を提案し,ラベル分布シフトにロバストな新しいラベルカーネルを考案する。
  論文  参考訳（メタデータ） (2021-01-25T09:46:14Z)
• Statistics of the Spectral Form Factor in the Self-Dual Kicked Ising Model [0.0]
  確率分布はランダム行列理論の予測と正確に一致していることを示す。 この挙動は、最近同定された自己双対蹴りイジングモデルの反単位対称性によるものである。
  論文  参考訳（メタデータ） (2020-09-07T16:02:29Z)
• Metrizing Weak Convergence with Maximum Mean Discrepancies [88.54422104669078]
  本稿では、幅広い種類のカーネルに対する確率測度の弱収束を測る最大平均誤差(MMD)を特徴付ける。 我々は、局所コンパクトで非コンパクトなハウスドルフ空間において、有界連続ボレル可測核 k の MMD が確率測度の弱収束を測ることを証明する。
  論文  参考訳（メタデータ） (2020-06-16T15:49:33Z)
• On Random Matrices Arising in Deep Neural Networks. Gaussian Case [1.6244541005112747]
  本稿では,深部ニューラルネットワークの解析において生じるランダム行列の積の特異値の分布を扱う。 この問題は、近年の研究では、自由確率論の技術を用いて検討されている。
  論文  参考訳（メタデータ） (2020-01-17T08:30:57Z)
• Relative Error Bound Analysis for Nuclear Norm Regularized Matrix Completion [101.83262280224729]
  我々は、原子核ノルム正規化行列補完に対する相対誤差を開発する。 未知行列の最適低ランク近似を回復するための相対上界を導出する。
  論文  参考訳（メタデータ） (2015-04-26T13:12:16Z)

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。