Fugu-MT 論文翻訳(概要): Neural Drift Estimation for Ergodic Diffusions: Non-parametric Analysis and Numerical Exploration

論文の概要: Neural Drift Estimation for Ergodic Diffusions: Non-parametric Analysis and Numerical Exploration

arxiv url: http://arxiv.org/abs/2505.24383v1
Date: Fri, 30 May 2025 09:12:49 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-02 19:47:52.87318
Title: Neural Drift Estimation for Ergodic Diffusions: Non-parametric Analysis and Numerical Exploration
Title（参考訳）: エルゴディック拡散のニューラルドリフト推定:非パラメトリック解析と数値探査
Authors: Simone Di Gregorio, Francesco Iafrate,
Abstract要約: 雑音や粗い関数データに対する推測を可能にする理論的推定手順を実践的に実施する方法を示す。サンプルパスのIto-Taylor近似をシミュレーションした結果が得られた。
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 take into consideration generalization bounds for the problem of the estimation of the drift component for ergodic stochastic differential equations, when the estimator is a ReLU neural network and the estimation is non-parametric with respect to the statistical model. We show a practical way to enforce the theoretical estimation procedure, enabling inference on noisy and rough functional data. Results are shown for a simulated It\^o-Taylor approximation of the sample paths.
Abstract（参考訳）: 本稿では, エルゴード確率微分方程式のドリフト成分の推定問題に対する一般化境界について考察する。雑音や粗い関数データに対する推測を可能にする理論的推定手順を実践的に実施する方法を示す。その結果, サンプルパスのIt\^o-Taylor近似のシミュレーション結果が得られた。

関連論文リスト

Statistically guided deep learning [10.619901778151336]
非パラメトリック回帰のための理論的に確立されたディープラーニングアルゴリズムを提案する。本研究では、最適化、一般化、近似を同時に考慮したディープラーニングの理論解析により、新たなディープラーニング推定結果が得られることを示す。
論文参考訳（メタデータ） (2025-04-11T12:36:06Z)
Deep non-parametric logistic model with case-control data and external summary information [2.524439717544601]
ケースコントロールサンプリング設計は、バイナリデータで観測される不均衡構造を緩和するための重要な戦略として機能する。外部要約情報によって補足されたケース制御データを用いた非パラメトリックロジスティックモデルの推定を検討する。
論文参考訳（メタデータ） (2024-09-03T12:23:09Z)
Predicting path-dependent processes by deep learning [0.5893124686141782]
本研究では,個別に観測された歴史情報に基づく経路依存プロセスの深層学習手法について検討する。離散観測の頻度は無限大になる傾向にあり、離散観測に基づく予測は連続観測に基づく予測に収束する。この手法を、分数的ブラウン運動と分数的なO-ウレンベック過程に適用する。
論文参考訳（メタデータ） (2024-08-19T12:24:25Z)
Non-Parametric Learning of Stochastic Differential Equations with Non-asymptotic Fast Rates of Convergence [65.63201894457404]
非線形微分方程式のドリフトと拡散係数の同定のための新しい非パラメトリック学習パラダイムを提案する。鍵となる考え方は、基本的には、対応するフォッカー・プランク方程式のRKHSに基づく近似をそのような観測に適合させることである。
論文参考訳（メタデータ） (2023-05-24T20:43:47Z)
Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
論文参考訳（メタデータ） (2021-08-25T21:30:27Z)
Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文参考訳（メタデータ） (2021-02-12T12:23:13Z)
Statistical Inference after Kernel Ridge Regression Imputation under item nonresponse [0.76146285961466]
カーネルリッジ回帰法による非パラメトリックな計算手法を考察し、一貫した分散推定を提案する。提案した分散推定器はエントロピー法を用いて密度比を推定する線形化手法に基づいている。
論文参考訳（メタデータ） (2021-01-29T20:46:33Z)
Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文参考訳（メタデータ） (2020-05-20T15:01:03Z)
Maximum likelihood estimation and uncertainty quantification for Gaussian process approximation of deterministic functions [10.319367855067476]
本稿は、ガウス過程の回帰の文脈において、ノイズのないデータセットを用いた最初の理論的分析の1つを提供する。本稿では,スケールパラメータのみの最大推定がガウス過程モデルの不特定に対する顕著な適応をもたらすことを示す。
論文参考訳（メタデータ） (2020-01-29T17:20:21Z)

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。