論文の概要: Detecting Nonproperness of Likelihood Equations

• arxiv url: http://arxiv.org/abs/2608.01976v1
• Date: Mon, 03 Aug 2026 09:40:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.473434
• Title: Detecting Nonproperness of Likelihood Equations
• Title（参考訳）: 擬似方程式の不適切性の検出
• Abstract要約: 我々は、確率方程式系の不適切な集合を計算するための新しい方法を開発した。 文献で知られている方法よりもはるかに効率的であることを示す。
• 参考スコア（独自算出の注目度）: 1.5116328684219782
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Given an algebraic statistical model, a challenging problem is classifying the data according to the number of positive critical points of the likelihood function. The positive critical points are the positive solutions to an algebraic system, say likelihood equations. So, identifying the number of positive critical points is a real root classification problem for the likelihood equations. A discriminant variety of a likelihood-equation system geometrically describes the data for which the number of real solutions becomes unusual. As an essential component of the discriminant variety, the nonproperness set collects the data such that the likelihood-equation system has a solution at infinity. So, the number of real solutions varies when the data passes the nonproperness set, and identifying the nonproperness set plays a crucial role in the real root classification. In this work, we develop a novel method for computing nonproperness sets of likelihood-equation systems. We prove the correctness of this method. We show experimentally that it is far more efficient than the known methods in the literature.
• Abstract（参考訳）: 代数的統計モデルが与えられたとき、挑戦的な問題は確率関数の正臨界点の数に応じてデータを分類することである。 正臨界点は代数系に対する正の解である。 したがって、正臨界点の数を特定することは、確率方程式の真の根分類問題である。 確率方程式系の判別多様体は、実解の数が異常になるデータを幾何学的に記述する。 判別多様体の必須成分として、不等式集合は、確率方程式系が無限大の解を持つようにデータを収集する。 したがって、データの非プロパネス集合が通過すると実際の解の数は変化し、非プロパネス集合の同定は実ルート分類において重要な役割を果たす。 本研究では,確率方程式系の不適切な集合を計算するための新しい手法を開発する。 私たちはこの方法の正しさを証明します。 文献で知られている方法よりもはるかに効率的であることを示す。

関連論文リスト

• Computational Identifiability [58.12019389497595]
  「自己同一性」は性質、無限のデータ、その他の数学的に理想化された条件を仮定する。 「計算的識別可能性」とは、経験的推定器に対する有限計算探索手順を定義することである。 このフレームワークは、どのようにしてきめ細かな、実用的な識別問題に答えられるかを示します。
  論文  参考訳（メタデータ） (2026-06-08T19:39:59Z)
• Numerical Artifacts in Learning Dynamical Systems [0.0]
  多くの応用において、その解から有限の時間点でサンプリングされた力学系を学ぶ必要がある。 本稿では,選択した数値スキームが学習結果に与える影響について述べる。
  論文  参考訳（メタデータ） (2025-07-19T05:23:39Z)
• Data-Driven Self-Supervised Learning for the Discovery of Solution Singularity for Partial Differential Equations [0.0]
  興味の関数における特異点の出現は、科学計算における根本的な課題である。 特異点の位置を推定するための自己教師付き学習フレームワークを提案する。 入力摂動,ラベルの破損,および異なる種類の特異点を扱うための提案手法の能力を示すために,様々な実験を行った。
  論文  参考訳（メタデータ） (2025-06-29T17:39:41Z)
• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• WeakIdent: Weak formulation for Identifying Differential Equations using Narrow-fit and Trimming [5.027714423258538]
  弱い定式化を用いて微分方程式を復元する汎用的で堅牢な枠組みを提案する。 各空間レベルに対して、Subspace Pursuitは、大きな辞書から最初のサポートセットを見つけるために使用される。 提案手法は、係数の頑健な回復と、最大で100%のノイズ-信号比を処理できる顕著なデノナイジング効果を与える。
  論文  参考訳（メタデータ） (2022-11-06T14:33:22Z)
• Symbolic Recovery of Differential Equations: The Identifiability Problem [52.158782751264205]
  微分方程式の記号的回復は、支配方程式の導出を自動化する野心的な試みである。 関数が対応する微分方程式を一意に決定するために必要な条件と十分な条件の両方を提供する。 この結果を用いて、関数が微分方程式を一意に解くかどうかを判定する数値アルゴリズムを考案する。
  論文  参考訳（メタデータ） (2022-10-15T17:32:49Z)
• Bounding Counterfactuals under Selection Bias [60.55840896782637]
  本稿では,識別不能なクエリと識別不能なクエリの両方に対処するアルゴリズムを提案する。 選択バイアスによって引き起こされる欠如にもかかわらず、利用可能なデータの可能性は無限であることを示す。
  論文  参考訳（メタデータ） (2022-07-26T10:33:10Z)
• Determination of class-specific variables in nonparametric multiple-class classification [0.0]
  確率に基づく非パラメトリックな多重クラス分類法を提案し、それを個々のクラスに対して高い影響変数を識別する能力と統合する。 提案手法の特性を報告し, 合成データと実データの両方を用いて, 異なる分類条件下での特性を説明する。
  論文  参考訳（メタデータ） (2022-05-07T10:08:58Z)
• On the Benefits of Large Learning Rates for Kernel Methods [110.03020563291788]
  本稿では,カーネル手法のコンテキストにおいて,現象を正確に特徴付けることができることを示す。 分離可能なヒルベルト空間における2次対象の最小化を考慮し、早期停止の場合、学習速度の選択が得られた解のスペクトル分解に影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2022-02-28T13:01:04Z)
• Probabilistic Simplex Component Analysis [66.30587591100566]
  PRISMは、データ循環記述のシンプルさの頂点をデータから識別する確率論的シンプルコンポーネント分析手法である。 この問題には多様な応用があり、最も注目すべきはリモートセンシングにおけるハイパースペクトルアンミックスと機械学習における非負行列分解である。
  論文  参考訳（メタデータ） (2021-03-18T05:39:00Z)
• Machine learning the real discriminant locus [13.63199518246153]
  本稿では、機械学習における教師付き分類問題として、実判別軌跡の配置について考察する。 各サンプル点において、ホモトピー連続体は対応する系に対する実解の数を得るために用いられる。 実微分軌跡を学習した応用の1つは、実解経路のみを追跡する真のホモトピー法を開発することである。
  論文  参考訳（メタデータ） (2020-06-24T22:18:08Z)

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。