Fugu-MT 論文翻訳(概要): Kernel-based learning with guarantees for multi-agent applications

論文の概要: Kernel-based learning with guarantees for multi-agent applications

arxiv url: http://arxiv.org/abs/2404.09708v1
Date: Mon, 15 Apr 2024 12:06:22 GMT
ステータス: 処理完了
システム内更新日: 2024-04-16 12:20:54.966969
Title: Kernel-based learning with guarantees for multi-agent applications
Title（参考訳）: マルチエージェントアプリケーションのための保証付きカーネルベースの学習
Authors: Krzysztof Kowalczyk, Paweł Wachel, Cristian R. Rojas,
Abstract要約: 本稿では,雑音環境下での潜伏多次元非線形現象を観測するエージェントネットワークのカーネルベース学習問題に対処する。本研究では,研究中の現象について軽度の事前知識しか必要としない学習アルゴリズムを提案し,それに対応する非漸近的高確率誤差境界を持つモデルを提案する。
参考スコア（独自算出の注目度）: 2.5643801430960163
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper addresses a kernel-based learning problem for a network of agents locally observing a latent multidimensional, nonlinear phenomenon in a noisy environment. We propose a learning algorithm that requires only mild a priori knowledge about the phenomenon under investigation and delivers a model with corresponding non-asymptotic high probability error bounds. Both non-asymptotic analysis of the method and numerical simulation results are presented and discussed in the paper.
Abstract（参考訳）: 本稿では,雑音環境下での潜伏多次元非線形現象を局所的に観察するエージェントネットワークのカーネルベース学習問題に対処する。本研究では,研究中の現象について軽度の事前知識のみを必要とする学習アルゴリズムを提案し,それに対応する非漸近的高確率誤差境界を持つモデルを提供する。本論文では,本手法の非漸近解析と数値シミュレーションの結果について述べる。

関連論文リスト

Proximal Interacting Particle Langevin Algorithms [0.0]
本稿では,潜時変動モデルにおける推論と学習のためのPIPLAアルゴリズムを提案する。非微分不可能な統計モデルにおけるパラメータ推定の問題に合わせた、新しい近位IPLAファミリー内のいくつかの変種を提案する。我々の理論と実験は、PIPLAファミリーが非微分可能モデルの潜在変数モデルにおけるパラメータ推定問題のデファクト選択であることを示している。
論文参考訳（メタデータ） (2024-06-20T13:16:41Z)
Towards stable real-world equation discovery with assessing differentiating quality influence [52.2980614912553]
一般的に用いられる有限差分法に代わる方法を提案する。我々は,これらの手法を実問題と類似した問題に適用可能であること,および方程式発見アルゴリズムの収束性を確保する能力の観点から評価する。
論文参考訳（メタデータ） (2023-11-09T23:32:06Z)
Learning Linear Causal Representations from Interventions under General Nonlinear Mixing [52.66151568785088]
介入対象にアクセスできることなく、未知の単一ノード介入を考慮し、強い識別可能性を示す。これは、ディープニューラルネットワークの埋め込みに対する非ペアの介入による因果識別性の最初の例である。
論文参考訳（メタデータ） (2023-06-04T02:32:12Z)
Decentralized diffusion-based learning under non-parametric limited prior knowledge [6.432713915216638]
本研究では, 雑音環境下で収集した局所エージェントの測定値から, 非線形現象の拡散に基づくネットワーク学習問題である$m$について検討した。本研究では、生データ交換を回避し、$m$の知識しか必要としない非パラメトリック学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-05-05T05:50:07Z)
Neural State-Space Models: Empirical Evaluation of Uncertainty Quantification [0.0]
本稿では,ニューラル状態空間モデルを用いたシステム同定のための不確実性定量化に関する予備的結果を示す。ベイズ確率的設定で学習問題をフレーム化し、ニューラルネットワークの重みと出力の後方分布を求める。後部に基づいて,出力の信頼区間を構築し,潜在的に危険なアウト・オブ・ディストリビューション体制下でモデルの使用を効果的に診断できるサプライズ指標を定義する。
論文参考訳（メタデータ） (2023-04-13T08:57:33Z)
Asymptotic consistency of the WSINDy algorithm in the limit of continuum data [0.0]
非線形力学アルゴリズム(WSINDy)の弱形式スパース同定の整合性について検討する。弱形式方程式学習の雑音に対する観測されたロバスト性について数学的に厳密な説明を行う。
論文参考訳（メタデータ） (2022-11-29T07:49:34Z)
Identifiability and Asymptotics in Learning Homogeneous Linear ODE Systems from Discrete Observations [114.17826109037048]
通常の微分方程式(ODE)は、機械学習において最近多くの注目を集めている。理論的な側面、例えば、統計的推定の識別可能性と特性は、いまだに不明である。本稿では,1つの軌道からサンプリングされた等間隔の誤差のない観測結果から,同次線形ODE系の同定可能性について十分な条件を導出する。
論文参考訳（メタデータ） (2022-10-12T06:46:38Z)
The Interplay Between Implicit Bias and Benign Overfitting in Two-Layer Linear Networks [51.1848572349154]
ノイズの多いデータに完全に適合するニューラルネットワークモデルは、見当たらないテストデータにうまく一般化できる。我々は,2層線形ニューラルネットワークを2乗損失の勾配流で補間し,余剰リスクを導出する。
論文参考訳（メタデータ） (2021-08-25T22:01:01Z)
Multivariate Deep Evidential Regression [77.34726150561087]
不確実性を認識するニューラルネットワークによる新しいアプローチは、従来の決定論的手法よりも有望である。本稿では,レグレッションベースニューラルネットワークからアレータ性およびてんかん性不確かさを抽出する手法を提案する。
論文参考訳（メタデータ） (2021-04-13T12:20:18Z)
Robust Unsupervised Learning via L-Statistic Minimization [38.49191945141759]
教師なし学習に焦点をあて、この問題に対する一般的なアプローチを提示する。重要な仮定は、摂動分布は、許容モデルの特定のクラスに対するより大きな損失によって特徴付けられることである。教師なし学習におけるいくつかのポピュラーモデルに対する提案基準に関して,一様収束境界を証明した。
論文参考訳（メタデータ） (2020-12-14T10:36:06Z)
Learning Fast Approximations of Sparse Nonlinear Regression [50.00693981886832]
本研究では,Threshold Learned Iterative Shrinkage Algorithming (NLISTA)を導入することでギャップを埋める。合成データを用いた実験は理論結果と相関し,その手法が最先端の手法より優れていることを示す。
論文参考訳（メタデータ） (2020-10-26T11:31:08Z)

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。