Fugu-MT 論文翻訳(概要): New methods to compute the generalized chi-square distribution

論文の概要: New methods to compute the generalized chi-square distribution

arxiv url: http://arxiv.org/abs/2404.05062v2
Date: Mon, 29 Jul 2024 21:39:17 GMT
ステータス: 処理完了
システム内更新日: 2024-07-31 21:55:07.805848
Title: New methods to compute the generalized chi-square distribution
Title（参考訳）: 一般化されたカイ二乗分布の新しい計算法
Authors: Abhranil Das,
Abstract要約: 一般化されたカイ二乗分布のcdf,pdf,逆cdfを計算するための新しい数学的方法をいくつか提示する。いくつかの手法は速度を測るが、他の手法は尾部から遠くまで正確に設計されており、多元数間の識別可能性指数 d' の大きい値も測定できる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: We present several new mathematical methods (ray-trace, inverse Fourier transform and ellipse) and open-source software to compute the cdf, pdf and inverse cdf of the generalized chi-square distribution. Some methods are geared for speed, while others are designed to be accurate far into the tails, using which we can also measure large values of the discriminability index d' between multinormals. We characterize the performance and limitations of these and previous methods, and recommend the best methods to use for each part of each type of distribution. We also demonstrate the speed and accuracy of our new methods against previous methods across a wide sample of distributions.
Abstract（参考訳）: 一般化されたカイ二乗分布のcdf,pdf,逆cdfを計算するために,いくつかの新しい数学的手法(レイトレース,逆フーリエ変換,楕円)とオープンソースソフトウェアを提案する。いくつかの手法は速度を測るが、他の手法は尾部から遠くまで正確に設計されており、多元数間の識別可能性指数 d' の大きい値も測定できる。これらのメソッドとそれ以前のメソッドのパフォーマンスと制限を特徴付け、各タイプの分散の各部分に最適なメソッドを推奨します。また, 従来手法に対する新しい手法の高速化と精度を, 分布の広い範囲で示す。

関連論文リスト

DistPred: A Distribution-Free Probabilistic Inference Method for Regression and Forecasting [14.390842560217743]
本稿では、回帰予測タスクのためのDistPredという新しい手法を提案する。予測分布と対象分布の差分を測定するための適切なスコアリングルールを、微分可能な離散形式に変換する。これにより、モデルは単一のフォワードパスで多数のサンプルをサンプリングし、応答変数の潜在的分布を推定することができる。
論文参考訳（メタデータ） (2024-06-17T10:33:00Z)
Iterative Methods for Full-Scale Gaussian Process Approximations for Large Spatial Data [9.913418444556486]
本稿では, FSAを用いた確率, 勾配, 予測分布の計算コストの削減に, 反復法をどのように利用できるかを示す。また,推定法や反復法に依存する予測分散を計算する新しい,正確かつ高速な手法を提案する。すべてのメソッドは、ハイレベルなPythonとRパッケージを備えたフリーのC++ソフトウェアライブラリで実装されている。
論文参考訳（メタデータ） (2024-05-23T12:25:22Z)
Iterative Methods for Vecchia-Laplace Approximations for Latent Gaussian Process Models [11.141688859736805]
本稿では,いくつかのプレコンディショナーを導入,解析し,新しい収束結果の導出を行い,予測分散を正確に近似する新しい手法を提案する。特に、Coleskyベースの計算と比較すると、桁違いの高速化が得られる。すべてのメソッドは、ハイレベルなPythonとRパッケージを備えたフリーのC++ソフトウェアライブラリで実装されている。
論文参考訳（メタデータ） (2023-10-18T14:31:16Z)
MINDE: Mutual Information Neural Diffusion Estimation [7.399561232927219]
確率変数間の相互情報(MI)を推定するための新しい手法を提案する。スコアベース拡散モデルを用いて、スコア関数間の差分として2つの密度間のクルバック・リーブラーの偏差を推定する。副産物として,確率変数のエントロピーの推定も可能である。
論文参考訳（メタデータ） (2023-10-13T11:47:41Z)
Score-based Source Separation with Applications to Digital Communication Signals [72.6570125649502]
拡散モデルを用いた重畳音源の分離手法を提案する。高周波(RF)システムへの応用によって、我々は、基礎となる離散的な性質を持つ情報源に興味を持っている。提案手法は,最近提案されたスコア蒸留サンプリング方式のマルチソース拡張と見なすことができる。
論文参考訳（メタデータ） (2023-06-26T04:12:40Z)
Sampling from Arbitrary Functions via PSD Models [55.41644538483948]
まず確率分布をモデル化し,そのモデルからサンプリングする。これらのモデルでは, 少数の評価値を用いて, 高精度に多数の密度を近似することが可能であることが示され, それらのモデルから効果的にサンプルする簡単なアルゴリズムが提示される。
論文参考訳（メタデータ） (2021-10-20T12:25:22Z)
A Stochastic Newton Algorithm for Distributed Convex Optimization [62.20732134991661]
均質な分散凸最適化のためのNewtonアルゴリズムを解析し、各マシンが同じ人口目標の勾配を計算する。提案手法は,既存の手法と比較して,性能を損なうことなく,必要な通信ラウンドの数,頻度を低減できることを示す。
論文参考訳（メタデータ） (2021-10-07T17:51:10Z)
A New Robust Multivariate Mode Estimator for Eye-tracking Calibration [0.0]
本稿では,多変量分布の主モードを推定する新しい手法を提案する。この種のマルチモーダル分布では、ほとんどの中心的傾向測度は主固定座標の推定に失敗する。そこで我々は,BRILと呼ばれる多変量分布の第1モードを同定するアルゴリズムを開発した。クラスタにグループ化され,ランダムに分散された,非常に高い割合のアウトリーチを含む分布においても,優れた性能が得られた。
論文参考訳（メタデータ） (2021-07-16T17:45:19Z)
Manifold Hypothesis in Data Analysis: Double Geometrically-Probabilistic Approach to Manifold Dimension Estimation [92.81218653234669]
本稿では, 多様体仮説の検証と基礎となる多様体次元推定に対する新しいアプローチを提案する。我々の幾何学的手法はミンコフスキー次元計算のためのよく知られたボックスカウントアルゴリズムのスパースデータの修正である。実データセットの実験では、2つの手法の組み合わせに基づく提案されたアプローチが強力で効果的であることが示されている。
論文参考訳（メタデータ） (2021-07-08T15:35:54Z)
Stein Variational Inference for Discrete Distributions [70.19352762933259]
離散分布を等価なピースワイズ連続分布に変換する単純な一般フレームワークを提案する。提案手法は,ギブスサンプリングや不連続ハミルトニアンモンテカルロといった従来のアルゴリズムよりも優れている。我々は,この手法がバイナライズニューラルネットワーク(BNN)のアンサンブルを学習するための有望なツールであることを実証した。さらに、そのような変換は、勾配のないカーネル化されたStein差分に簡単に適用でき、離散分布の良性(GoF)テストを実行することができる。
論文参考訳（メタデータ） (2020-03-01T22:45:41Z)
Distributed Sketching Methods for Privacy Preserving Regression [54.51566432934556]
ランダム化されたスケッチを利用して、問題の次元を減らし、プライバシを保ち、非同期分散システムにおけるストラグラーレジリエンスを改善します。従来のスケッチ手法に対する新しい近似保証を導出し、分散スケッチにおけるパラメータ平均化の精度を解析する。大規模実験によるサーバレスコンピューティングプラットフォームにおける分散スケッチのパフォーマンスについて説明する。
論文参考訳（メタデータ） (2020-02-16T08:35:48Z)

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。