論文の概要: Breaking the Curse with BAND: Nonparametric Distribution Estimation in High Dimensions

• arxiv url: http://arxiv.org/abs/2607.26955v1
• Date: Wed, 29 Jul 2026 14:21:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.7002
• Title: Breaking the Curse with BAND: Nonparametric Distribution Estimation in High Dimensions
• Title（参考訳）: BANDでカースを破る:高次元における非パラメトリック分布推定
• Abstract要約: スパースベイズネットワークでは,各条件の確率をスパース・アウェアな条件平均法を用いて推定する。 得られた推定器であるtextitBAyesian Network Distribution (BAND) は、高次元時系列における混合データ型を処理する。 BANDは、さまざまな最先端ベンチマークに対してデータサンプリングと信頼性領域を予測するために競争的に機能する。
• 参考スコア（独自算出の注目度）: 1.338174941551702
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Minimax-optimal rates for multivariate distribution estimation are known to suffer from the curse of dimensionality. We propose a sparse Bayesian network approach in which each conditional probability is estimated using sparsity-aware conditional mean methods. The resulting estimator, \textit{BAyesian Network Distribution regression} (BAND), handles mixed data types in high-dimensional time series and achieves polynomial total variation convergence rates while allowing the feature dimension to grow polynomially with the sample size. These rates are substantially faster than the classical optimal rates for multivariate histogram density estimators that lack sparsity. Empirical evaluations show that BAND performs competitively for data sampling and confidence region forecasting against a range of state-of-the-art benchmarks.
• Abstract（参考訳）: 多変量分布推定のための最小最適速度は、次元の呪いに苦しむことが知られている。 スパースベイズネットワークでは,各条件の確率をスパース・アウェアな条件平均法を用いて推定する。 得られた推定器 \textit{BAyesian Network Distribution regression} (BAND) は、高次元時系列における混合データ型を処理し、特徴次元を標本サイズとともに多項式的に成長させながら、多項式総変分収束率を達成する。 これらの速度は、空間性に欠ける多変量ヒストグラム密度推定器の古典的最適速度よりもかなり高速である。 実証的な評価は、BANDがデータサンプリングと信頼性領域の予測のために、最先端のベンチマークに対して競争力を発揮することを示している。

関連論文リスト

• Distributionally Faithful Imputation via Positive Semi-Definite Kernel Density Estimation [55.47411235954028]
  マスク観測による密度推定では,不規則に不規則に不規則な計算を行う。 我々は,ニュートン内点法で解ける閉じた形状の辺縁を持つ凸型経験的リスク問題を得る。 結果のPSDインプットモデルでは、同一の入射密度から単一および多重インプットが得られる。
  論文  参考訳（メタデータ） (2026-07-08T15:51:05Z)
• Generative Predictive Distributions for Time Series [0.0]
  非線形, 多変量時系列の予測分布をモデル化するためのフレキシブルなフレームワークを提案する。 提案手法は,測度理論的確率から得られた民俗的結果に基づく,適切な生成表現における一般的な予測分布を表現する。 本研究では,この生成表現を条件付き生成逆数ネットワークのバージョンを用いて推定し,時間依存性の弱い推定の形式的統計的解析を行う。
  論文  参考訳（メタデータ） (2026-06-15T14:20:21Z)
• On the Use of Bagging for Local Intrinsic Dimensionality Estimation [6.621518682026852]
  本稿では,近距離(NN)の局所分布を保存するためにサブバッグを用いたアンサンブル手法を提案する。 我々は,LID推定に用いるサンプリングレートとk-NNサイズの選択が,アンサンブルサイズとともに性能に与える影響を理論的および実験的に解析した。
  論文  参考訳（メタデータ） (2026-03-25T15:03:25Z)
• Flow-Based Density Ratio Estimation for Intractable Distributions with Applications in Genomics [80.05951561886123]
  我々は条件認識フローマッチングを利用して、生成軌道に沿った密度比を追跡するための1つの動的定式化を導出する。 クローズドフォーム比推定のためのシミュレーションベンチマーク上での競合性能を実証し,本手法が単一セルゲノミクスデータ解析における多目的タスクをサポートすることを示す。
  論文  参考訳（メタデータ） (2026-02-27T17:27:55Z)
• Nonparametric Estimation of Joint Entropy through Partitioned Sample-Spacing Method [0.0]
  分割標本間隔(PSS)に基づく多変量関節エントロピーの非パラメトリック推定器を提案する。 PSSは、k-アネレスト近傍推定器を一貫して上回り、最近の正規化フローベース手法と競合する精度を達成する。 これらの特性は、PSSをフローベースアプローチの正規化の実践的な代替品と位置づけ、情報理論機械学習応用に幅広い可能性を秘めている。
  論文  参考訳（メタデータ） (2025-11-17T17:05:34Z)
• RDIT: Residual-based Diffusion Implicit Models for Probabilistic Time Series Forecasting [4.140149411004857]
  RDITは、点推定と残差に基づく条件拡散と双方向のMambaネットワークを組み合わせたプラグアンドプレイフレームワークである。 RDITは, 強いベースラインに比べてCRPSの低下, 高速推論, カバレッジの向上を実現している。
  論文  参考訳（メタデータ） (2025-09-02T14:06:29Z)
• Adaptive Sampled Softmax with Inverted Multi-Index: Methods, Theory and Applications [79.53938312089308]
  MIDX-Samplerは、逆多重インデックスアプローチに基づく新しい適応型サンプリング戦略である。 本手法は, サンプリングバイアス, 勾配バイアス, 収束速度, 一般化誤差境界などの重要な問題に対処するため, 厳密な理論的解析によって裏付けられている。
  論文  参考訳（メタデータ） (2025-01-15T04:09:21Z)
• Distributed Nonparametric Estimation: from Sparse to Dense Samples per Terminal [9.766173684831324]
  我々は,すべてのレシエーションに対して最小値の最適レートを特徴付けるとともに,各端末毎のサンプルがスパースから密度に変化するため,最適レートの位相遷移を同定する。 これにより、以前の研究で残された問題が完全に解決され、その範囲は密度の高いサンプルを持つレギュレーションまたは終端あたりの1つのサンプルに限られる。 最適率は、密度推定、ガウス、二分法、ポアソン、ヘテロスケダスティック回帰モデルなど、様々な特殊ケースに即時に適用される。
  論文  参考訳（メタデータ） (2025-01-14T06:41:55Z)
• On diffusion-based generative models and their error bounds: The log-concave case with full convergence estimates [5.13323375365494]
  我々は,強い対数対数データの下での拡散に基づく生成モデルの収束挙動を理論的に保証する。 スコア推定に使用される関数のクラスは、スコア関数上のリプシッツネスの仮定を避けるために、リプシッツ連続関数からなる。 この手法はサンプリングアルゴリズムにおいて最もよく知られた収束率をもたらす。
  論文  参考訳（メタデータ） (2023-11-22T18:40:45Z)
• 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)
• A Unified Framework for Multi-distribution Density Ratio Estimation [101.67420298343512]
  バイナリ密度比推定(DRE)は多くの最先端の機械学習アルゴリズムの基礎を提供する。 ブレグマン最小化の発散の観点から一般的な枠組みを開発する。 我々のフレームワークはバイナリDREでそれらのフレームワークを厳格に一般化する手法に導かれることを示す。
  論文  参考訳（メタデータ） (2021-12-07T01:23:20Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)

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。