論文の概要: Conditional Independence Estimates for the Generalized Nonparanormal

• arxiv url: http://arxiv.org/abs/2508.11050v1
• Date: Thu, 14 Aug 2025 20:19:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-18 14:51:23.661449
• Title: Conditional Independence Estimates for the Generalized Nonparanormal
• Title（参考訳）: 一般化非正規性の条件独立推定
• Authors: Ujas Shah, Manuel Lladser, Rebecca Morrison,
• Abstract要約: 本稿は、非ガウス分布のクラスにおいて、条件独立構造に関する情報が精度行列から推論可能であることを示すために、以前の研究に基づいている。 我々は、この理論を利用して一般化された非正規データから条件付き独立構造を復元する、単純で効率的なアルゴリズムを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For general non-Gaussian distributions, the covariance and precision matrices do not encode the independence structure of the variables, as they do for the multivariate Gaussian. This paper builds on previous work to show that for a class of non-Gaussian distributions -- those derived from diagonal transformations of a Gaussian -- information about the conditional independence structure can still be inferred from the precision matrix, provided the data meet certain criteria, analogous to the Gaussian case. We call such transformations of the Gaussian as the generalized nonparanormal. The functions that define these transformations are, in a broad sense, arbitrary. We also provide a simple and computationally efficient algorithm that leverages this theory to recover conditional independence structure from the generalized nonparanormal data. The effectiveness of the proposed algorithm is demonstrated via synthetic experiments and applications to real-world data.
• Abstract（参考訳）: 一般の非ガウス分布に対しては、共分散行列と精度行列は多変量ガウス分布のように変数の独立構造を符号化しない。 本論文は、ガウス分布のクラス(ガウスの対角変換から派生したもの)について、精度行列から条件独立構造に関する情報を推測できることを示し、ガウスのケースに類似した一定の基準を満たすことを前提とした以前の研究に基づいている。 我々はガウスのそのような変換を一般化された非正規群(英語版)と呼ぶ。 これらの変換を定義する関数は、広い意味では任意のものである。 また、この理論を利用して一般化された非正規データから条件付き独立構造を復元する、単純で効率的なアルゴリズムも提供する。 提案アルゴリズムの有効性は,実世界のデータへの合成実験および応用を通じて実証される。

関連論文リスト

• The symplectic rank of non-Gaussian quantum states [0.0]
  非ガウス性はボソニックプラットフォームにおける量子上の優位性を達成するための鍵となる資源である。 ここでは, 顕著な操作性および資源理論的性質を満たす新しい非ガウス性モノトンであるシンプレクティックランクについて検討する。 シンプレクティックなランクは頑健な非ガウス測度であり、実験でそれを見る方法と、異なるボソニックなプラットフォームを有意にベンチマークする方法を説明する。
  論文  参考訳（メタデータ） (2025-04-27T18:00:31Z)
• Asymptotics of Linear Regression with Linearly Dependent Data [28.005935031887038]
  非ガウス共変量の設定における線形回帰の計算について検討する。 本稿では,依存性が推定誤差と正規化パラメータの選択にどのように影響するかを示す。
  論文  参考訳（メタデータ） (2024-12-04T20:31:47Z)
• Decomposing Gaussians with Unknown Covariance [3.734088413551237]
  本稿では,ガウスデータに対する従来の分解手法をすべて包含する一般アルゴリズムを提案する。 これは$n>1$の場合にサンプル分割に代わる、より柔軟でフレキシブルな代替となる。 これらの分解を、代替戦略が利用できない設定において、モデル選択と選択後推論のタスクに適用する。
  論文  参考訳（メタデータ） (2024-09-17T18:56:08Z)
• Equivariance Discovery by Learned Parameter-Sharing [153.41877129746223]
  データから解釈可能な等価性を発見する方法について検討する。 具体的には、モデルのパラメータ共有方式に対する最適化問題として、この発見プロセスを定式化する。 また,ガウスデータの手法を理論的に解析し,研究された発見スキームとオラクルスキームの間の平均2乗ギャップを限定する。
  論文  参考訳（メタデータ） (2022-04-07T17:59:19Z)
• Deterministic Gaussian conversion protocols for non-Gaussian single-mode resources [58.720142291102135]
  猫と二項状態は有限エネルギーとほぼ同値であるが、この同値性は以前は無限エネルギー極限でのみ知られていた。 また,光子付加および光子抽出による圧縮状態からの猫状態の生成も検討し,追加のスクイーズ操作を導入することで既知のスキームを改良した。
  論文  参考訳（メタデータ） (2022-04-07T11:49:54Z)
• Robust 1-bit Compressive Sensing with Partial Gaussian Circulant Matrices and Generative Priors [54.936314353063494]
  我々は,ロバストな1ビット圧縮センシングのための相関に基づく最適化アルゴリズムのリカバリ保証を提供する。 我々は,実用的な反復アルゴリズムを用いて,画像データセットの数値実験を行い,結果の相関付けを行う。
  論文  参考訳（メタデータ） (2021-08-08T05:28:06Z)
• Diagonal Nonlinear Transformations Preserve Structure in Covariance and Precision Matrices [3.652509571098291]
  ある種の非ガウス分布に対して、対応は、共分散に対して、そしてほぼ精度のために、依然として保持される。 分布は「非正規」と呼ばれ、多変量正規確率変数の対角変換によって与えられる。
  論文  参考訳（メタデータ） (2021-07-08T22:31:48Z)
• Benign Overfitting of Constant-Stepsize SGD for Linear Regression [122.70478935214128]
  帰納バイアスは 経験的に過剰フィットを防げる中心的存在です この研究は、この問題を最も基本的な設定として考慮している: 線形回帰に対する定数ステップサイズ SGD。 我々は、(正規化されていない)SGDで得られるアルゴリズム正則化と、通常の最小二乗よりも多くの顕著な違いを反映する。
  論文  参考訳（メタデータ） (2021-03-23T17:15:53Z)
• Understanding Implicit Regularization in Over-Parameterized Single Index Model [55.41685740015095]
  我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。 暗黙正則化現象の理論的保証を提供する。
  論文  参考訳（メタデータ） (2020-07-16T13:27:47Z)
• Gaussianization Flows [113.79542218282282]
  そこで本研究では,サンプル生成における効率のよい繰り返しと効率のよい逆変換を両立できる新しい型正規化フローモデルを提案する。 この保証された表現性のため、サンプル生成の効率を損なうことなく、マルチモーダルなターゲット分布をキャプチャできる。
  論文  参考訳（メタデータ） (2020-03-04T08:15:06Z)
• Sub-Gaussian Matrices on Sets: Optimal Tail Dependence and Applications [6.034622792544481]
  ガウス行列が集合上の近距離等距離となる場合について検討する。 我々は、ガウス以下のノルムに対するこれまでの最もよく知られた依存は準最適であることを示した。 また、部分指数確率変数に対する新しいベルンシュタイン型不等式や、準ガウス確率変数の二次形式に対する新しいハンソン-ライト不等式も開発する。
  論文  参考訳（メタデータ） (2020-01-28T23:06:20Z)

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。