論文の概要: A Criterion for Extending Continuous-Mixture Identifiability Results
- arxiv url: http://arxiv.org/abs/2503.03536v2
- Date: Mon, 16 Jun 2025 18:39:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-18 15:22:20.116265
- Title: A Criterion for Extending Continuous-Mixture Identifiability Results
- Title（参考訳）: 連続ミクチャー識別性向上のための基準
- Authors: Michael R. Powers, Jiaxin Xu,
- Abstract要約: 混合分布は、ランダム現象をモデル化するための多用途で広く使用されるフレームワークを提供する。
我々は、既知のカーネルベースの識別可能性の結果を新しいカーネル分布に拡張するために、単純な基準である生成機能アクセシビリティーを指定する。
この基準は、関連するカーネルのモーメント生成関数やラプラス変換の関数関係に基づいており、離散変数と連続変数の両方の連続混合に適用することができる。
- 参考スコア（独自算出の注目度）: 0.9208007322096533
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mixture distributions provide a versatile and widely used framework for modeling random phenomena, and are particularly well-suited to the analysis of geoscientific processes and their attendant risks to society. For continuous mixtures of random variables, we specify a simple criterion - generating-function accessibility - to extend previously known kernel-based identifiability (or unidentifiability) results to new kernel distributions. This criterion, based on functional relationships between the relevant kernels' moment-generating functions or Laplace transforms, may be applied to continuous mixtures of both discrete and continuous random variables. To illustrate the proposed approach, we present results for several specific kernels, in each case briefly noting its relevance to research in the geosciences and/or related risk analysis.
- Abstract（参考訳）: 混合分布は、ランダム現象をモデル化するための多用途で広く使われている枠組みであり、特に地質学的過程の分析と社会への付随的リスクに適している。
ランダム変数の連続的な混合については、既知のカーネルベースの識別可能性(あるいは不特定性)を新しいカーネル分布に拡張するための単純な基準(生成機能アクセシビリティ)を指定する。
この基準は、関連するカーネルのモーメント生成関数やラプラス変換の関数関係に基づいており、離散変数と連続変数の両方の連続混合に適用することができる。
提案手法を説明するために,いくつかの特定のカーネルについて,各ケースにおいて,地球科学および/または関連するリスク分析における研究との関係を簡潔に述べる。
関連論文リスト
- On the asymptotic behaviour of stochastic processes, with applications to supermartingale convergence, Dvoretzky's approximation theorem, and stochastic quasi-Fejér monotonicity [0.0]
我々は, ある緩和されたスーパーマーチンゲール条件に適合するプロセスの挙動について, 新規かつ一般的な結果を示す。
我々は近似からよく知られた概念と定理の新しい定量的バージョンを導き出す。
我々は、高速で、特に線形な速度で構築できる結果の特別な事例について論じる。
論文 参考訳（メタデータ） (2025-04-17T13:11:26Z) - Learning to Embed Distributions via Maximum Kernel Entropy [0.0]
固有データは、確率分布の集合からのサンプルと見なすことができる。
カーネルメソッドは、これらの分布を分類する学習の自然なアプローチとして現れてきた。
データ依存分散カーネルの教師なし学習のための新しい目的を提案する。
論文 参考訳（メタデータ） (2024-08-01T13:34:19Z) - Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。
条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。
提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
論文 参考訳（メタデータ） (2022-11-30T05:33:29Z) - Variational Autoencoder Kernel Interpretation and Selection for
Classification [59.30734371401315]
本研究では,変分オートエンコーダの畳み込みエンコーダによって生成された特徴に基づく確率的分類器のカーネル選択手法を提案する。
提案した実装では、各カーネルに対して各分散が生成されるため、各潜伏変数を最終エンコーダの畳み込み層の単一カーネルに関連付けられた分布からサンプリングした。
サンプル化された潜伏変数で関連する機能を選択することで、カーネルの選択を実行し、非形式的機能とカーネルをフィルタリングすることができる。
論文 参考訳（メタデータ） (2022-09-10T17:22:53Z) - Diversifying Design of Nucleic Acid Aptamers Using Unsupervised Machine
Learning [54.247560894146105]
短い一本鎖RNAとDNA配列(アプタマー)の逆設計は、一連の望ましい基準を満たす配列を見つけるタスクである。
我々は、Pottsモデルとして知られる教師なし機械学習モデルを用いて、制御可能なシーケンスの多様性を持つ新しい有用なシーケンスを発見することを提案する。
論文 参考訳（メタデータ） (2022-08-10T13:30:58Z) - Hybrid Random Features [60.116392415715275]
ハイブリッドランダム特徴(HRF)と呼ばれるソフトマックスとガウス核の線形化のための新しいランダム特徴法を提案する。
HRFは、カーネル推定の品質を自動的に適応し、定義された関心領域の最も正確な近似を提供する。
論文 参考訳（メタデータ） (2021-10-08T20:22:59Z) - Sparse Communication via Mixed Distributions [29.170302047339174]
我々は「混合確率変数」の理論基盤を構築する。
本フレームワークは,混合確率変数の表現とサンプリングのための2つの戦略を提案する。
我々は、創発的な通信ベンチマークにおいて、両方のアプローチを実験する。
論文 参考訳（メタデータ） (2021-08-05T14:49:03Z) - Nonlinear Independent Component Analysis for Continuous-Time Signals [85.59763606620938]
このプロセスの混合物の観察から多次元音源過程を復元する古典的問題を考察する。
このリカバリは、この混合物が十分に微分可能で可逆な関数によって与えられる場合、多くの一般的なプロセスのモデル(座標の順序と単調スケーリングまで)に対して可能であることを示す。
論文 参考訳（メタデータ） (2021-02-04T20:28:44Z) - The Connection between Discrete- and Continuous-Time Descriptions of
Gaussian Continuous Processes [60.35125735474386]
我々は、一貫した推定子をもたらす離散化が粗粒化下での不変性を持つことを示す。
この結果は、導関数再構成のための微分スキームと局所時間推論アプローチの組み合わせが、2次または高次微分方程式の時系列解析に役立たない理由を説明する。
論文 参考訳（メタデータ） (2021-01-16T17:11:02Z) - Kernel Methods for Causal Functions: Dose, Heterogeneous, and
Incremental Response Curves [26.880628841819004]
我々は、一般化されたカーネルリッジ回帰のオリジナル解析により、改良された有限標本率と一様整合性を証明した。
本研究は,本研究の主な成果を,前部および後部ドア基準で同定した反事実分布と因果関数に拡張する。
論文 参考訳（メタデータ） (2020-10-10T00:53:11Z) - Mixture Representation Learning with Coupled Autoencoders [1.589915930948668]
我々は、cpl-mixVAEと呼ばれる複数の相互作用ネットワークを用いた教師なし変分フレームワークを提案する。
このフレームワークでは、各ネットワークの混合表現は、離散因子にコンセンサス制約を課すことで正規化される。
提案手法を用いて,単細胞転写データセットにおける遺伝子発現を記述した変数の離散的・連続的因子を共同で発見する。
論文 参考訳（メタデータ） (2020-07-20T04:12:04Z)
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。