Fugu-MT 論文翻訳(概要): Exponential tilting of subweibull distributions

論文の概要: Exponential tilting of subweibull distributions

arxiv url: http://arxiv.org/abs/2407.11386v1
Date: Tue, 16 Jul 2024 05:06:52 GMT
ステータス: 処理完了
システム内更新日: 2024-07-17 18:22:47.534966
Title: Exponential tilting of subweibull distributions
Title（参考訳）: サブワイブル分布の指数傾き
Authors: F. William Townes,
Abstract要約: サブワイブル分布の代替特性について述べる。指数傾斜後にその尾の挙動が保存される条件について詳述する。サブワイブル分布は、亜指数および亜ガウス確率変数の一般化である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The class of subweibull distributions has recently been shown to generalize the important properties of subexponential and subgaussian random variables. We describe alternative characterizations of subweibull distributions and detail the conditions under which their tail behavior is preserved after exponential tilting.
Abstract（参考訳）: 部分ワイブル分布のクラスは、最近、部分指数および部分ガウス確率変数の重要な性質を一般化することが示されている。本報告では, サブワイブル分布の代替特性について述べるとともに, 指数傾斜後, 尾の挙動が保たれる条件について詳述する。

関連論文リスト

Identifiable Latent Neural Causal Models [82.14087963690561]
因果表現学習は、低レベルの観測データから潜伏した高レベルの因果表現を明らかにすることを目指している。因果表現の識別可能性に寄与する分布シフトのタイプを決定する。本稿では,本研究の成果を実用的なアルゴリズムに翻訳し,信頼性の高い潜在因果表現の取得を可能にする。
論文参考訳（メタデータ） (2024-03-23T04:13:55Z)
Theoretical Insights for Diffusion Guidance: A Case Study for Gaussian Mixture Models [59.331993845831946]
拡散モデルは、所望の特性に向けてサンプル生成を操るために、スコア関数にタスク固有の情報を注入することの恩恵を受ける。本稿では,ガウス混合モデルの文脈における拡散モデルに対する誘導の影響を理解するための最初の理論的研究を提供する。
論文参考訳（メタデータ） (2024-03-03T23:15:48Z)
A Heavy-Tailed Algebra for Probabilistic Programming [53.32246823168763]
本稿では,確率変数の尾を解析するための体系的アプローチを提案する。本稿では,確率型プログラミング言語コンパイラの静的解析(サンプル作成前)において,この手法をどのように利用できるかを示す。実験結果から,重み付き代数を利用する推論アルゴリズムは,多数の密度モデリングおよび変分推論タスクにおいて優れた性能が得られることを確認した。
論文参考訳（メタデータ） (2023-06-15T16:37:36Z)
Classification of Heavy-tailed Features in High Dimensions: a Superstatistical Approach [1.4469725791865984]
我々は2つのデータポイントの雲と一般的なセントロイドの混合の学習を特徴付ける。得られた推定器の一般化性能について検討し、正規化の役割を解析し、分離性遷移を解析した。
論文参考訳（メタデータ） (2023-04-06T07:53:05Z)
Convergence of score-based generative modeling for general data distributions [9.953088581242845]
機能的不等式や強い滑らかさの仮定を満たすデータ分布に依存しない拡散モデルに収束保証を与える。ワッサーシュタイン距離保証は、有界な支持あるいは十分に崩壊するテールの分布に対して、さらに滑らかな仮定を持つ分布に対するテレビ保証と同様に得られる。
論文参考訳（メタデータ） (2022-09-26T02:38:36Z)
Wrapped Distributions on homogeneous Riemannian manifolds [58.720142291102135]
パラメータ、対称性、モダリティなどの分布の性質の制御は、フレキシブルな分布の族を生み出す。変動型オートエンコーダと潜在空間ネットワークモデル内で提案した分布を利用して,我々のアプローチを実証的に検証する。
論文参考訳（メタデータ） (2022-04-20T21:25:21Z)
Some Hoeffding- and Bernstein-type Concentration Inequalities [47.24550702683417]
独立確率変数の関数の濃度不等式を準ガウジアンおよび準指数条件下で証明する。不等式の実用性は、リプシッツ函数クラスと非有界部分指数分布へのラデマチャー複素数の現在の古典的方法の拡張によって証明される。
論文参考訳（メタデータ） (2021-02-11T23:09:13Z)
Sharper Sub-Weibull Concentrations: Non-asymptotic Bai-Yin's Theorem [0.0]
非漸近集中不等式は、機械学習と統計学の有限サンプル理論において重要な役割を果たす。独立部分ワイブル確率変数の和に対する、よりシャープで定数に比例した濃度不等式を得る。負二項回帰の応用において、スパース構造を持つ$ell$-errorを与え、これは負二項回帰の新しい結果である。
論文参考訳（メタデータ） (2021-02-04T07:16:27Z)
Testing Tail Weight of a Distribution Via Hazard Rate [7.399725974708623]
本研究では,重み付き分布と重み付き分布とを,ハザード率に基づく定義により区別するアルゴリズムを開発した。理論的結果を実証的に検証する。
論文参考訳（メタデータ） (2020-10-06T17:13:14Z)
Bayesian Deep Learning and a Probabilistic Perspective of Generalization [56.69671152009899]
ディープアンサンブルはベイズ辺化を近似する有効なメカニズムであることを示す。また,アトラクションの流域内での辺縁化により,予測分布をさらに改善する関連手法を提案する。
論文参考訳（メタデータ） (2020-02-20T15:13:27Z)

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。