論文の概要: Convergence Analysis of Nyström Subsampling in Covariate Shift Adaptation for Misspecified case

• arxiv url: http://arxiv.org/abs/2606.22259v1
• Date: Sat, 20 Jun 2026 23:11:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 21:44:26.558049
• Title: Convergence Analysis of Nyström Subsampling in Covariate Shift Adaptation for Misspecified case
• Title（参考訳）: 誤用例に対する共変量シフト適応におけるNyströmサブサンプリングの収束解析
• Authors: Hanna Myleiko, Sergei Solodky, Vasyl Semenov,
• Abstract要約: 我々は、ターゲット関数が再生カーネルヒルベルト空間の外側にある低滑らか性(不特定)の場合に焦点を当てる。 ティホノフ正則化とNystrm射影を部分サンプリング部分空間に組み合わせることで、高い確率で保持される余剰リスクの上限を得る。 解析は、ターゲットとソースの辺分布の間のラドン-ニコディム微分が未知な設定にまで拡張する。
• 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: This paper investigates convergence properties of regularized Nyström subsampling applied to the unsupervised domain adaptation problem under covariate shift. We focus on the low-smoothness (misspecified) case where the target function lies outside the reproducing kernel Hilbert space. By combining Tikhonov regularization with Nyström projection onto a subsampled subspace, we obtain upper bounds on the excess risk that hold with high probability and are expressed in terms of the source condition, the effective dimension, and the sample sizes. We further extend the analysis to the setting where the Radon-Nikodym derivative between the target and source marginal distributions is unknown and must be approximated, and we identify the minimal additional sample sizes required to maintain the same convergence rate as in the oracle case.
• Abstract（参考訳）: 本稿では、共変量シフトの下での教師なし領域適応問題に適用された正規化Nyströmサブサンプリングの収束特性について検討する。 我々は、ターゲット関数が再生カーネルヒルベルト空間の外側にある低滑らか性(不特定)の場合に焦点を当てる。 チホノフ正則化とナイストレーム射影を部分サンプリング部分空間に組み合わせることで、高い確率で保持され、原条件、有効次元、サンプルサイズで表される余剰リスクの上限を得る。 さらに、ターゲットとソースの縁分布の間のラドン-ニコディム微分が未知であり、近似しなくてはならない設定まで解析を拡張し、オラクルの場合と同じ収束率を維持するために必要な最小限のサンプルサイズを同定する。

関連論文リスト

• Beyond Consistency: Inference for the Relative risk functional in Deep Nonparametric Cox Models [7.2275111013288535]
  Coxをベースとした最適化誤差が、部分的可能性の下で集団リスクにどのように伝播するかは明らかでない。 また、ポイントワイドバイアスがどのように制御できるのか、またアンサンブルに基づく不確実性が現実的な分散体制の下でどのように振る舞うのかも不明である。 これらの問題に対処するディープコックス推定器の分布理論を開発する。
  論文  参考訳（メタデータ） (2026-03-25T01:43:12Z)
• Convergence Rates for Distribution Matching with Sliced Optimal Transport [10.117027375572627]
  そこで本研究では,スライス最適輸送に基づく分散マッチングの効率的な反復手法であるスライスマッチング方式について検討する。 鍵となる課題は、これらの不等式における定数の軌道に沿って制御することである。 ガウス分布に対して、このことがトラクタブルであることが示される。
  論文  参考訳（メタデータ） (2026-02-11T09:47:52Z)
• Revisiting Zeroth-Order Optimization: Minimum-Variance Two-Point Estimators and Directionally Aligned Perturbations [57.179679246370114]
  乱摂動の分布は, 摂動段差がゼロになる傾向にあるため, 推定子の分散を最小限に抑える。 以上の結果から, 一定の長さを維持するのではなく, 真の勾配に方向を合わせることが可能であることが示唆された。
  論文  参考訳（メタデータ） (2025-10-22T19:06:39Z)
• Spectral Algorithms in Misspecified Regression: Convergence under Covariate Shift [0.2578242050187029]
  スペクトルアルゴリズムは逆問題から派生した正則化手法のクラスである。 本稿では,共変量シフトの下でのスペクトルアルゴリズムの収束特性について検討する。 我々は、ターゲット関数がヒルベルト空間(RKHS)を再現するカーネルに属さない、より困難な不特定ケースの理論解析を提供する。
  論文  参考訳（メタデータ） (2025-09-05T13:42:27Z)
• Tamed Langevin sampling under weaker conditions [27.872857402255775]
  ログコンケーブではなく,弱い散逸性しか持たない分布から抽出する問題について検討する。 そこで本研究では,対象分布の成長と崩壊特性に合わせたテイミング手法を提案する。 提案したサンプルに対して,Kulback-Leiblerの発散,全変動,ワッサーシュタイン距離といった条件で明確な非漸近保証を与える。
  論文  参考訳（メタデータ） (2024-05-27T23:00:40Z)
• On the Uniform Convergence of Subdifferentials in Stochastic Optimization and Learning [1.5229257192293195]
  実験的リスクから集団リスクへのサブディファレンシャルマッピングの一様収束を非平滑,非評価,決定論的最適化を用いて検討した。 これらの保証は、堅牢な統計と関連する応用に起因する問題の幾何学に関する新たな洞察を提供する。
  論文  参考訳（メタデータ） (2024-05-16T17:49:46Z)
• Broadening Target Distributions for Accelerated Diffusion Models via a Novel Analysis Approach [49.97755400231656]
  本研究では,新しいDDPMサンプリング器が,これまで考慮されていなかった3種類の分散クラスに対して高速化性能を実現することを示す。 この結果から, DDPM型加速サンプリング器におけるデータ次元$d$への依存性が改善された。
  論文  参考訳（メタデータ） (2024-02-21T16:11:47Z)
• Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
  Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。 本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
  論文  参考訳（メタデータ） (2023-06-27T08:15:28Z)
• Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
  正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。 一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
  論文  参考訳（メタデータ） (2022-02-23T06:11:49Z)
• Robust Estimation for Nonparametric Families via Generative Adversarial Networks [92.64483100338724]
  我々は,高次元ロバストな統計問題を解くためにGAN(Generative Adversarial Networks)を設計するためのフレームワークを提供する。 我々の研究は、これらをロバスト平均推定、第二モーメント推定、ロバスト線形回帰に拡張する。 技術面では、提案したGAN損失は、スムーズで一般化されたコルモゴロフ-スミルノフ距離と見なすことができる。
  論文  参考訳（メタデータ） (2022-02-02T20:11:33Z)
• Log-Likelihood Ratio Minimizing Flows: Towards Robust and Quantifiable Neural Distribution Alignment [52.02794488304448]
  そこで本研究では,対数様比統計量と正規化フローに基づく新しい分布アライメント手法を提案する。 入力領域の局所構造を保存する領域アライメントにおいて,結果の最小化を実験的に検証する。
  論文  参考訳（メタデータ） (2020-03-26T22:10:04Z)

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。