論文の概要: Vector-valued self-normalized concentration inequalities beyond sub-Gaussianity
- arxiv url: http://arxiv.org/abs/2511.03606v1
- Date: Wed, 05 Nov 2025 16:27:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-06 18:19:32.484235
- Title: Vector-valued self-normalized concentration inequalities beyond sub-Gaussianity
- Title（参考訳）: ベクトル値による準ガウス性を超えた自己正規化濃度の不等式
- Authors: Diego Martinez-Taboada, Tomas Gonzalez, Aaditya Ramdas,
- Abstract要約: 我々は、準ガウス性を超えた光尾を持つ自己正規化過程に対する濃度境界(ベネットやバーンスタイン境界など)を提供する。
本稿では,オンライン線形回帰の文脈における結果の関連性について述べる。
- 参考スコア（独自算出の注目度）: 35.13282725119597
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The study of self-normalized processes plays a crucial role in a wide range of applications, from sequential decision-making to econometrics. While the behavior of self-normalized concentration has been widely investigated for scalar-valued processes, vector-valued processes remain comparatively underexplored, especially outside of the sub-Gaussian framework. In this contribution, we provide concentration bounds for self-normalized processes with light tails beyond sub-Gaussianity (such as Bennett or Bernstein bounds). We illustrate the relevance of our results in the context of online linear regression, with applications in (kernelized) linear bandits.
- Abstract（参考訳）: 自己正規化プロセスの研究は、シーケンシャルな意思決定からエコノメトリまで、幅広い応用において重要な役割を果たしている。
自己正規化濃度の挙動はスカラー値の過程において広く研究されているが、ベクトル値の過程は比較的過小評価されている。
この貢献において、準ガウス性を超えた光尾を持つ自己正規化過程(ベンネットやバーンスタイン境界など)に対して濃度境界を与える。
本稿では,オンライン線形回帰の文脈における結果の関連性について述べる。
関連論文リスト
- A variational approach to dimension-free self-normalized concentration [31.20747148247217]
我々は、様々なよく知られた分布を含む尾条件であるsub-$psi$プロセスのバウンダリに焦点を当てる。
本研究の結果は, 行列式境界と条件数に基づく値との差を埋めるものである。
論文 参考訳（メタデータ） (2025-08-08T17:44:09Z) - A unifying separability criterion based on extended correlation tensor [0.0]
絡み合いは古典的量子区切り線への探求を言い換えるので、基本的には不合理である。
相関テンソルに基づく分離性のための実践可能な基準を導入・定式化する。
論文 参考訳（メタデータ） (2024-06-25T02:36:28Z) - Posterior Contraction Rates for Mat\'ern Gaussian Processes on
Riemannian Manifolds [51.68005047958965]
我々は,本質的なガウス過程が実際により優れた性能を発揮することを示す。
我々の研究は、データ効率の異なるレベルを区別するために、よりきめ細かい分析が必要であることを示している。
論文 参考訳（メタデータ） (2023-09-19T20:30:58Z) - Concentration inequalities for high-dimensional linear processes with dependent innovations [0.0]
Weibull を置換したベクトル線型過程の $l_infty$ ノルムに対する濃度不等式を開発する。
これらの不等式を、大次元VAR(p)システムのスパース推定とヘテロレダスティック性および自己相関整合性(HAC)高次元共分散推定に適用する。
論文 参考訳（メタデータ） (2023-07-23T18:05:53Z) - Learning Linear Causal Representations from Interventions under General
Nonlinear Mixing [52.66151568785088]
介入対象にアクセスできることなく、未知の単一ノード介入を考慮し、強い識別可能性を示す。
これは、ディープニューラルネットワークの埋め込みに対する非ペアの介入による因果識別性の最初の例である。
論文 参考訳（メタデータ） (2023-06-04T02:32:12Z) - Pathwise Conditioning of Gaussian Processes [72.61885354624604]
ガウス過程後部をシミュレーションするための従来のアプローチでは、有限個の入力位置のプロセス値の限界分布からサンプルを抽出する。
この分布中心の特徴づけは、所望のランダムベクトルのサイズで3次スケールする生成戦略をもたらす。
条件付けのこのパスワイズ解釈が、ガウス過程の後部を効率的にサンプリングするのに役立てる近似の一般族をいかに生み出すかを示す。
論文 参考訳（メタデータ） (2020-11-08T17:09:37Z) - Optimal Sample Complexity of Subgradient Descent for Amplitude Flow via
Non-Lipschitz Matrix Concentration [12.989855325491163]
我々は、実数値の$n$次元信号を、位相のない線形測定値から復元する問題を考察する。
ランダムな不連続行列値演算子の均一な濃度に基づいて, 最適なサンプル複雑性を持つ下降勾配の局所収束を確立する。
論文 参考訳（メタデータ） (2020-10-31T15:03:30Z)
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。