Fugu-MT 論文翻訳(概要): Score-Debiased Kernel Density Estimation

論文の概要: Score-Debiased Kernel Density Estimation

arxiv url: http://arxiv.org/abs/2504.19084v1
Date: Sun, 27 Apr 2025 02:51:30 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-02 19:15:54.124456
Title: Score-Debiased Kernel Density Estimation
Title（参考訳）: スコア・デバイアスド・カーネル密度推定
Authors: Elliot L. Epstein, Rajat Dwaraknath, Thanawat Sornwanee, John Winnicki, Jerry Weihong Liu,
Abstract要約: 本稿では,推定スコア関数をデバイアスカーネル密度推定に利用した新しい密度推定法を提案する。 1D, 2DおよびMNISTにおける合成タスクに関する実験により,提案手法は平均2乗誤差を著しく低減することを示した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a novel method for density estimation that leverages an estimated score function to debias kernel density estimation (SD-KDE). In our approach, each data point is adjusted by taking a single step along the score function with a specific choice of step size, followed by standard KDE with a modified bandwidth. The step size and modified bandwidth are chosen to remove the leading order bias in the KDE. Our experiments on synthetic tasks in 1D, 2D and on MNIST, demonstrate that our proposed SD-KDE method significantly reduces the mean integrated squared error compared to the standard Silverman KDE, even with noisy estimates in the score function. These results underscore the potential of integrating score-based corrections into nonparametric density estimation.
Abstract（参考訳）: 本稿では,推定スコア関数をデバイアスカーネル密度推定(SD-KDE)に利用した新しい密度推定法を提案する。提案手法では、各データポイントは、特定のステップサイズを選択したスコア関数に沿って1ステップを踏むことで調整され、次いで帯域幅を変更した標準KDEが続く。ステップサイズと帯域幅の変更は、KDEの先頭の順序バイアスを取り除くために選択される。 1D, 2D, MNISTにおける合成タスクに関する実験により, SD-KDE法は, スコア関数にノイズのある推定値であっても, 標準のシルバーマンKDEと比較して平均積分二乗誤差を著しく低減することを示した。これらの結果は、スコアベースの補正を非パラメトリック密度推定に統合する可能性を示している。

関連論文リスト

Differentially Private Gradient Flow based on the Sliced Wasserstein Distance [59.1056830438845]
本稿では,確率測度空間の勾配流に基づく新しい微分プライベートな生成モデリング手法を提案する。実験により,提案モデルが低プライバシー予算で高忠実度データを生成可能であることが示された。
論文参考訳（メタデータ） (2023-12-13T15:47:30Z)
Variational Weighting for Kernel Density Ratios [11.555375654882525]
カーネル密度推定(KDE)は、機械学習における様々な生成的および識別的タスクに不可欠なものである。我々は、密度比の標準カーネル密度推定値のバイアスを低減する最適重み関数を導出し、予測後部の推定値と情報理論測度を改善する。
論文参考訳（メタデータ） (2023-11-06T10:12:19Z)
Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
論文参考訳（メタデータ） (2023-08-21T13:03:25Z)
Sobolev Space Regularised Pre Density Models [51.558848491038916]
本研究では,ソボレフ法則の正則化に基づく非パラメトリック密度推定法を提案する。この方法は統計的に一貫したものであり、帰納的検証モデルを明確かつ一貫したものにしている。
論文参考訳（メタデータ） (2023-07-25T18:47:53Z)
Fast Private Kernel Density Estimation via Locality Sensitive Quantization [10.227538355037554]
差分プライベートカーネル密度推定(DP-KDE)の効率的なメカニズムについて検討する。カーネルを$d$の時間線形でプライベートに近似する方法を示し、高次元データに対して実現可能である。
論文参考訳（メタデータ） (2023-07-04T18:48:04Z)
Concrete Score Matching: Generalized Score Matching for Discrete Data [109.12439278055213]
コンクレトスコア(Concrete score)とは、個別の設定のためのスコア(ステイン)の一般化である。コンクレトスコアマッチング(Concrete Score Matching)は、サンプルからこのようなスコアを学習するフレームワークである。
論文参考訳（メタデータ） (2022-11-02T00:41:37Z)
Fast Kernel Density Estimation with Density Matrices and Random Fourier Features [0.0]
カーネル密度推定 (KDE) は、最も広く使われている非パラメトリック密度推定法の一つである。 DMKDEは密度行列、量子力学的定式化、ランダムフーリエ特徴、明示的なカーネル近似を用いて密度推定を生成する。 DMKDEは、計算密度推定の競合と同等であり、高次元データ上で実行された場合の利点が示される。
論文参考訳（メタデータ） (2022-08-02T02:11:10Z)
Density Ratio Estimation via Infinitesimal Classification [85.08255198145304]
そこで我々は, DRE-inftyを提案する。 DRE-inftyは, 密度比推定(DRE)を, より簡単なサブプロブレムに還元する手法である。モンテカルロ法にインスパイアされ、中間ブリッジ分布の無限連続体を介して2つの分布の間を滑らかに補間する。提案手法は,複雑な高次元データセット上での相互情報推定やエネルギーベースモデリングなどの下流タスクにおいて良好に動作することを示す。
論文参考訳（メタデータ） (2021-11-22T06:26:29Z)
Generative Adversarial Learning via Kernel Density Discrimination [32.91091065436645]
本稿では,KDD GAN(Kernel Density Discrimination GAN)について紹介する。我々は,カーネル密度推定を特徴空間内で直接定義し,カーネル特徴写像の可逆性の必要性を排除した。その結果,FIDの基準値に比べてFIDが10%から40%に向上することが示唆された。
論文参考訳（メタデータ） (2021-07-13T15:52:10Z)
Projected Wasserstein gradient descent for high-dimensional Bayesian inference [8.750791391857264]
本稿では,高次元ベイズ推論問題に対するWasserstein勾配降下法 (pWGD) を提案する。後方分布と先行分布の差における本質的な低ランク構造を生かして,この課題を克服する。
論文参考訳（メタデータ） (2021-02-12T05:12:05Z)
Nonparametric Density Estimation from Markov Chains [68.8204255655161]
我々はマルコフ・チェインにインスパイアされた新しい非パラメトリック密度推定器を導入し、よく知られたケルネル密度推定器を一般化する。我々の推定器は, 通常のものに対していくつかの利点を示し, 全密度アルゴリズムの基盤として容易に利用できる。
論文参考訳（メタデータ） (2020-09-08T18:33:42Z)
GradientDICE: Rethinking Generalized Offline Estimation of Stationary Values [75.17074235764757]
対象ポリシーの状態分布とサンプリング分布の密度比を推定するグラディエントDICEを提案する。 GenDICEはそのような密度比を推定するための最先端技術である。
論文参考訳（メタデータ） (2020-01-29T22:10:11Z)

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。