論文の概要: Efficient reductions between some statistical models
- arxiv url: http://arxiv.org/abs/2402.07717v1
- Date: Mon, 12 Feb 2024 15:32:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-13 13:56:05.045949
- Title: Efficient reductions between some statistical models
- Title（参考訳）: いくつかの統計モデル間の効率的な削減
- Authors: Mengqi Lou, Guy Bresler, Ashwin Pananjady
- Abstract要約: 本研究では,ソースモデルのパラメータを知らずに,ソース統計モデルからターゲット統計モデルへサンプルを変換する問題について検討する。
我々は、一様、Erlang、Laplaceのロケーションモデルを一般的なターゲットファミリーにおよそ還元する計算効率のよいプロシージャを提供する。
- 参考スコア（独自算出の注目度）: 17.980388202550074
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study the problem of approximately transforming a sample from a source
statistical model to a sample from a target statistical model without knowing
the parameters of the source model, and construct several computationally
efficient such reductions between statistical experiments. In particular, we
provide computationally efficient procedures that approximately reduce uniform,
Erlang, and Laplace location models to general target families. We illustrate
our methodology by establishing nonasymptotic reductions between some canonical
high-dimensional problems, spanning mixtures of experts, phase retrieval, and
signal denoising. Notably, the reductions are structure preserving and can
accommodate missing data. We also point to a possible application in
transforming one differentially private mechanism to another.
- Abstract（参考訳）: 本研究では,ソースモデルのパラメータを知らずに,サンプルをソース統計モデルからターゲット統計モデルに大まかに変換する問題について検討し,統計実験間の還元を計算的に効率的に構築する。
特に、一様、Erlang、Laplaceの位置モデルを一般的なターゲットファミリーに大まかに還元する計算効率の良い手順を提供する。
本手法は,標準高次元問題,専門家の混合,位相検索,信号デノイジン間の非漸近的還元を定め,本手法を説明する。
特に、削減は構造保存であり、欠落したデータに対応できる。
また、微分プライベートなメカニズムを別のメカニズムに変換する応用の可能性についても指摘します。
関連論文リスト
- Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。
異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
論文 参考訳（メタデータ） (2024-04-24T09:04:36Z) - Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。
本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
論文 参考訳（メタデータ） (2023-06-13T01:18:16Z) - An iterative multi-fidelity approach for model order reduction of
multi-dimensional input parametric PDE systems [0.0]
多次元入力パラメトリック空間を用いた大規模PDEシステムの縮小のためのサンプリングパラメトリック戦略を提案する。
これはパラメトリック空間全体の低忠実度モデルを効率的なサンプリング戦略を用いてサンプリングポイントに利用することで達成される。
提案手法は,低忠実度モデルを用いてソリューションデータベースを同化するため,オフライン段階での計算コストを大幅に削減する。
論文 参考訳（メタデータ） (2023-01-23T15:25:58Z) - Learning to Bound Counterfactual Inference in Structural Causal Models
from Observational and Randomised Data [64.96984404868411]
我々は、従来のEMベースのアルゴリズムを拡張するための全体的なデータの特徴付けを導出する。
新しいアルゴリズムは、そのような混合データソースからモデルパラメータの(不特定性)領域を近似することを学ぶ。
反実的な結果に間隔近似を与え、それが特定可能な場合の点に崩壊する。
論文 参考訳（メタデータ） (2022-12-06T12:42:11Z) - Low-rank statistical finite elements for scalable model-data synthesis [0.8602553195689513]
statFEMは、支配方程式に強制を埋め込むことによって、事前モデルの誤特定を認める。
この方法は、観測されたデータ生成過程を最小限の情報損失で再構築する。
本稿では、下層の密度共分散行列の低ランク近似を埋め込むことで、このハードルを克服する。
論文 参考訳（メタデータ） (2021-09-10T09:51:43Z) - Convex Latent Effect Logit Model via Sparse and Low-rank Decomposition [2.1915057426589746]
本稿では,ロジスティック回帰モデル(logit)を学習するための凸パラメトリック凸パラメトリック定式化を提案する。
その人気にもかかわらず、個別の不均一性を学ぶための混合ロジットアプローチにはいくつかの欠点がある。
論文 参考訳（メタデータ） (2021-08-22T22:23:39Z) - MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood
Inference from Sampled Trajectories [61.3299263929289]
シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。
あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。
モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
論文 参考訳（メタデータ） (2021-06-03T12:59:16Z) - Efficient Causal Inference from Combined Observational and
Interventional Data through Causal Reductions [68.6505592770171]
因果効果を推定する際の主な課題の1つである。
そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。
パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-08T14:29:07Z) - A Nonconvex Framework for Structured Dynamic Covariance Recovery [24.471814126358556]
時間変化のある2次統計量を持つ高次元データに対するフレキシブルで解釈可能なモデルを提案する。
文献によって動機付けられ,因子化とスムーズな時間データの定量化を行う。
私たちのアプローチは,既存のベースラインよりも優れています。
論文 参考訳（メタデータ） (2020-11-11T07:09:44Z) - Instability, Computational Efficiency and Statistical Accuracy [101.32305022521024]
我々は,人口レベルでのアルゴリズムの決定論的収束率と,$n$サンプルに基づく経験的対象に適用した場合の(不安定性)の間の相互作用に基づいて,統計的精度を得るフレームワークを開発する。
本稿では,ガウス混合推定,非線形回帰モデル,情報的非応答モデルなど,いくつかの具体的なモデルに対する一般結果の応用について述べる。
論文 参考訳（メタデータ） (2020-05-22T22:30:52Z)
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。