Fugu-MT 論文翻訳(概要): Parsimonious Mixtures of Skewed Bilinear Factor Analyzers

論文の概要: Parsimonious Mixtures of Skewed Bilinear Factor Analyzers

arxiv url: http://arxiv.org/abs/2607.14297v1
Date: Wed, 15 Jul 2026 18:59:58 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-17 17:01:32.891329
Title: Parsimonious Mixtures of Skewed Bilinear Factor Analyzers
Title（参考訳）: 走査型バイリニア因子分析器の擬似混合
Abstract要約: 乱数行列をクラスタスキューした混合モデルは、次元の縮小がなければ過パラメータ化に悩まされることが多い。パラメータ推定のためのAECMアルゴリズムについて詳述する。この方法は、MNISTデータセットとOlivetti faceデータセットの場合に考慮される。
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: Mixture models which cluster skewed random matrices can often suffer from over-parameterization in the absence of performing dimension reduction. Even with the use of bilinear factor analyzers, further parameter reduction can be achieved by constraining parameters over clusters. In this manuscript propose a parsimonious family of 256 models for mixtures of skewed matrix variate bilinear factor analyzers, specifically in the case of the skew t distribution. An AECM algorithm for parameter estimation is discussed in detail. Further, extensive simulations are performed, and the method is considered in the case of the MNIST dataset and the Olivetti faces dataset.
Abstract（参考訳）: 乱数行列をクラスタスキューした混合モデルは、次元の縮小がなければ過パラメータ化に悩まされることがしばしばある。双線形因子アナライザを用いても、クラスタ上のパラメータを制約することで、パラメータのさらなる削減が達成できる。本論文では, スクイードマトリックスバリアレートバイリニア因子分析器の混合物に対する256モデルの同義語族, 特にスキューt分布の場合について提案する。パラメータ推定のためのAECMアルゴリズムについて詳述する。さらに、広範囲なシミュレーションを行い、MNISTデータセットとOlivetti顔データセットの場合には、その方法を検討する。

関連論文リスト

Non-Asymptotic Analysis of Data Augmentation for Precision Matrix Estimation [12.919305286055616]
本研究では,個人性行列に比例した線形縮退推定器と,データ拡張から導出される推定器の2つのクラスに着目した。両クラスの推定器について、推定器を導出し、その二次誤差に対して濃度境界を与える。技術的には、我々の分析はランダム行列理論の道具に依存している。
論文参考訳（メタデータ） (2025-10-02T15:28:14Z)
A Hybrid Mixture of $t$-Factor Analyzers for Clustering High-dimensional Data [0.07673339435080444]
本稿では,$t$-factor Analysisr (MtFA) の混合モデルを推定するための新しいハイブリッド手法を開発する。提案手法の有効性は,従来の手法と比較して計算効率が優れていることを示すシミュレーションによって実証される。本手法はガンマ線バーストのクラスタリングに応用され,ガンマ線バーストが不均質なサブ集団を持つという文献のいくつかの主張を補強し,推定群の特徴を与える。
論文参考訳（メタデータ） (2025-04-29T18:59:58Z)
Induced Covariance for Causal Discovery in Linear Sparse Structures [55.2480439325792]
因果モデルでは、観測データから変数間の因果関係を解き明かそうとしている。本稿では,変数が線形に疎結合な関係を示す設定のための新しい因果探索アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-10-02T04:01:38Z)
Large-scale gradient-based training of Mixtures of Factor Analyzers [67.21722742907981]
本稿では,勾配降下による高次元学習を効果的に行うための理論解析と新しい手法の両立に寄与する。 MFAトレーニングと推論/サンプリングは,学習終了後の行列逆変換を必要としない精度行列に基づいて行うことができることを示す。理論解析と行列の他に,SVHNやMNISTなどの画像データセットにMFAを適用し,サンプル生成と外乱検出を行う能力を示す。
論文参考訳（メタデータ） (2023-08-26T06:12:33Z)
A Bayesian Framework on Asymmetric Mixture of Factor Analyser [0.0]
本稿では、スキュー正規(無制限)一般化双曲型(SUNGH)分布のリッチで柔軟なクラスを持つMFAモデルを提案する。 SUNGHファミリーは、様々な方向の歪みをモデル化する柔軟性と、重み付きデータを可能にする。因子分析モデルを考慮すると、SUNGHファミリーは誤差成分と因子スコアの両方の歪みと重みを許容する。
論文参考訳（メタデータ） (2022-11-01T20:19:52Z)
Learning Graphical Factor Models with Riemannian Optimization [70.13748170371889]
本稿では,低ランク構造制約下でのグラフ学習のためのフレキシブルなアルゴリズムフレームワークを提案する。この問題は楕円分布のペナルティ化された最大推定値として表される。楕円モデルによく適合する正定行列と定ランクの正半定行列のジオメトリを利用する。
論文参考訳（メタデータ） (2022-10-21T13:19:45Z)
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)
Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
[1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
論文参考訳（メタデータ） (2020-04-17T12:47:04Z)
Repulsive Mixture Models of Exponential Family PCA for Clustering [127.90219303669006]
指数関数型家族主成分分析(EPCA)の混合拡張は、従来のEPCAよりもデータ分布に関する構造情報を符号化するように設計された。従来のEPCAの混合は、モデルの冗長性、すなわち混合成分間の重なりが問題であり、データクラスタリングの曖昧さを引き起こす可能性がある。本稿では, 混合成分間での反発性増感前処理を導入し, ベイズ式に分散EPCA混合(DEPCAM)モデルを開発した。
論文参考訳（メタデータ） (2020-04-07T04:07:29Z)
Nonconvex Matrix Completion with Linearly Parameterized Factors [10.163102766021373]
パラメトリック因子化は、部分空間や完了シミュレーションを含む重要な例を示す。また, 統一的非制約行列最適化法の有効性について述べる。
論文参考訳（メタデータ） (2020-03-29T22:40:47Z)
Flexible Clustering with a Sparse Mixture of Generalized Hyperbolic Distributions [6.839746711757701]
モデルベースのクラスタリングに対する従来のアプローチは、高次元のデータでは失敗することが多い。一般化双曲分布の混合に対する成分スケール行列のパラメトリゼーションを提案する。解析的に実現可能な予測最大化アルゴリズムを開発した。
論文参考訳（メタデータ） (2019-03-12T17:02:40Z)

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。