Fugu-MT 論文翻訳(概要): A Gapped Scale-Sensitive Dimension and Lower Bounds for Offset Rademacher Complexity

論文の概要: A Gapped Scale-Sensitive Dimension and Lower Bounds for Offset Rademacher Complexity

arxiv url: http://arxiv.org/abs/2509.20618v1
Date: Wed, 24 Sep 2025 23:49:53 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-26 20:58:12.627978
Title: A Gapped Scale-Sensitive Dimension and Lower Bounds for Offset Rademacher Complexity
Title（参考訳）: オフセット型ラデマッハ複合体に対するスケール感覚次元と下界
Authors: Zeyu Jia, Yury Polyanskiy, Alexander Rakhlin,
Abstract要約: 逐次的および非逐次的設定における関数クラスのスケール感応次元のギャップ化について検討した。偏差次元は, オフセットラデマッハ平均値において低い境界となることを示す。
参考スコア（独自算出の注目度）: 72.82374764881489
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We study gapped scale-sensitive dimensions of a function class in both sequential and non-sequential settings. We demonstrate that covering numbers for any uniformly bounded class are controlled above by these gapped dimensions, generalizing the results of \cite{anthony2000function,alon1997scale}. Moreover, we show that the gapped dimensions lead to lower bounds on offset Rademacher averages, thereby strengthening existing approaches for proving lower bounds on rates of convergence in statistical and online learning.
Abstract（参考訳）: 逐次的および非逐次的設定における関数クラスのスケール感応次元のギャップ化について検討した。我々は、任意の一様有界類に対する被覆数は、これらのギャップ次元によって上述制御され、 \cite{anthony2000function,alon 1997scale} の結果を一般化することを示した。さらに, 偏差次元は, オフセットRademacher平均値における下界につながることが示され, 統計的およびオンライン学習における収束率に対する下界を証明する既存のアプローチが強化された。

関連論文リスト

Assouad, Fano, and Le Cam with Interaction: A Unifying Lower Bound Framework and Characterization for Bandit Learnability [71.82666334363174]
我々は,統計的推定と対話的意思決定において,情報理論の下限を統一する枠組みを開発する。 Emphinteractive Fano methodinteractive と呼ばれる新しい下界アプローチを提案する。
論文参考訳（メタデータ） (2024-10-07T15:14:58Z)
Randomized Midpoint Method for Log-Concave Sampling under Constraints [5.548787731232499]
凸コンパクト集合上での対数凹分布のサンプリング問題について検討する。本稿では,プロジェクション演算子の幅広いクラスを通した制約処理のための統一的近位フレームワークを提案する。
論文参考訳（メタデータ） (2024-05-24T09:24:21Z)
An Improved Uniform Convergence Bound with Fat-Shattering Dimension [4.5349436061325425]
最先端の上界は、サンプルの複雑さに乗法的二乗対数係数を持ち、既存の下界との開ギャップを残している。このギャップを埋める改良された一様収束境界を提供する。
論文参考訳（メタデータ） (2023-07-13T09:20:57Z)
General Loss Functions Lead to (Approximate) Interpolation in High Dimensions [5.653716495767272]
我々は、バイナリとマルチクラスの設定にまたがる凸損失の一般的なファミリーに適用可能な統一されたフレームワークを提供する。具体的には、暗黙バイアスが高次元の最小ノルムに近似されている(正確には同値ではない)ことを示す。
論文参考訳（メタデータ） (2023-03-13T21:23:12Z)
Semi-Supervised Subspace Clustering via Tensor Low-Rank Representation [64.49871502193477]
本稿では,初期監視情報を同時に拡張し,識別親和性行列を構築することのできる,新しい半教師付きサブスペースクラスタリング手法を提案する。 6つの一般的なベンチマークデータセットの総合的な実験結果から,本手法が最先端手法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-05-21T01:47:17Z)
Unified lower bounds for interactive high-dimensional estimation under information constraints [40.339506154827106]
我々は、異なるパラメトリックな分布族に対して、様々な(八)ミニマックスの下限を導出できる統一的なフレームワークを提供する。我々の下界フレームワークは汎用的であり、幅広い推定問題に適用可能な「プラグ・アンド・プレイ」境界が得られる。
論文参考訳（メタデータ） (2020-10-13T17:25:19Z)
Random extrapolation for primal-dual coordinate descent [61.55967255151027]
本稿では,データ行列の疎度と目的関数の好適な構造に適応する,ランダムに外挿した原始-双対座標降下法を提案する。一般凸凹の場合, 主対差と目的値に対するシーケンスのほぼ確実に収束と最適サブ線形収束率を示す。
論文参考訳（メタデータ） (2020-07-13T17:39:35Z)
Near-tight closure bounds for Littlestone and threshold dimensions [59.245101116396555]
二つの仮説クラスのリトルストーンおよびしきい値次元の閉包特性について検討する。我々の上界は、アロンらによって示される類似境界に対して指数的($k$で)改善を与える。
論文参考訳（メタデータ） (2020-07-07T17:56:06Z)
Manifold Learning via Manifold Deflation [105.7418091051558]
次元削減法は、高次元データの可視化と解釈に有用な手段を提供する。多くの一般的な手法は単純な2次元のマニフォールドでも劇的に失敗する。本稿では,グローバルな構造を座標として組み込んだ,新しいインクリメンタルな空間推定器の埋め込み手法を提案する。実験により,本アルゴリズムは実世界および合成データセットに新規で興味深い埋め込みを復元することを示した。
論文参考訳（メタデータ） (2020-07-07T10:04:28Z)
The role of regularization in classification of high-dimensional noisy Gaussian mixture [36.279288150100875]
雑音状態における2つのガウスの高次元混合を考える。正規化凸分類器の一般化誤差を厳密に解析する。ベイズ最適性能に到達できるような正規化の驚くべき効果について論じる。
論文参考訳（メタデータ） (2020-02-26T14:54:28Z)

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。