Fugu-MT 論文翻訳(概要): An RKHS Framework for Fixed Effects in Permanental Process Models

論文の概要: An RKHS Framework for Fixed Effects in Permanental Process Models

arxiv url: http://arxiv.org/abs/2608.17908v1
Date: Tue, 18 Aug 2026 15:39:37 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-19 21:40:53.377383
Title: An RKHS Framework for Fixed Effects in Permanental Process Models
Title（参考訳）: 永久プロセスモデルにおける固定効果のためのRKHSフレームワーク
Abstract要約: 恒常過程の強度関数は、代表者定理(英語版)を用いて発見できることが示される。制限等価カーネルは、正方形ノルムがちょうど制限ペナルティであるRKHSを定義する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This short work describes an extension of the permanental process model which includes fixed effects. By starting with a prior on the fixed effects coefficients we show that, in the diffuse prior limit, the intensity function of the permanental process can be found using the representer theorem and naturally decomposed into a fixed effects term and a function which is an element of a Reproducing Kernel Hilbert Space (RKHS). We show that the limiting equivalent kernel defines an RKHS whose squared norm is exactly the limiting penalty. This allows for straightforward scientific interpretation of permanental process models and the easy incorporation of domain knowledge into the estimation process.
Abstract（参考訳）: この短い研究は、固定効果を含む永続的なプロセスモデルの拡張を記述している。固定効果係数の事前から始めることで、拡散前の極限において、恒常過程の強度関数は代表者定理を用いて発見され、自然に固定効果項と再生カーネルヒルベルト空間(RKHS)の要素である関数に分解されることを示す。制限等価カーネルは、正方形ノルムがちょうど制限ペナルティであるRKHSを定義する。これにより、永続的なプロセスモデルを簡単に科学的に解釈でき、ドメイン知識を推定プロセスに簡単に組み込むことができる。

関連論文リスト

A functional central limit theorem for kernel gradient flow and infinitesimal gradient boosting [1.503974529275767]
我々は、その決定論的極限に関する過程のゆらぎを研究し、機能的中心極限定理を確立する。この証明はバナッハ空間におけるODEの一般摂動解析に基づいている。
論文参考訳（メタデータ） (2026-06-24T07:22:17Z)
Unveiling the Mechanism of Continuous Representation Full-Waveform Inversion: A Wave Based Neural Tangent Kernel Framework [52.632217600064344]
フルウェーブフォーム・インバージョン(FWI)は、限られた測定値から波動方程式の物理パラメータを推定する。 FWI法は初期モデルの精度に対する悪名高い感度によって制限されている。連続表現 FWI (CR-FWI) の最近の進歩は、暗黙的ニューラル表現 (INR) のような座標ベースニューラルネットワークによるパラメータモデルを表現することで、初期モデルへの依存を緩和できることを実証している。
論文参考訳（メタデータ） (2026-03-23T03:22:33Z)
Nonparametric estimation of Hawkes processes with RKHSs [1.775610745277615]
本稿では、再生カーネル空間(RKHS)に相互作用関数が存在すると仮定した非線形ホークス過程の非パラメトリック推定について述べる。神経科学の応用によって動機づけられたこのモデルは、エキサイティングで抑制的な効果を表現するために、複雑な相互作用機能を実現する。本稿では2つの共通近似(ReLU関数と積分作用素)に依存する推定法を提案する。
論文参考訳（メタデータ） (2024-11-01T14:26:50Z)
Optimal Rates and Saturation for Noiseless Kernel Ridge Regression [4.585021053685196]
ノイズレスシステムにおけるカーネルリッジ回帰(KRR)の総合的研究について述べる。 KRRは有限標本から関数を学習するための基本的な方法である。我々は、カーネルメソッドの解析に広く適用可能な、洗練された自由度の概念を導入する。
論文参考訳（メタデータ） (2024-02-24T04:57:59Z)
Doubly Robust Proximal Causal Learning for Continuous Treatments [56.05592840537398]
本稿では,カーネルベースの2倍頑健な因果学習推定器を提案する。オラクル形式は影響関数の一貫した近似であることを示す。次に、平均二乗誤差の観点から総合収束解析を行う。
論文参考訳（メタデータ） (2023-09-22T12:18:53Z)
Particle-based Variational Inference with Preconditioned Functional Gradient Flow [13.519223374081648]
プレコンディション付き関数勾配流(PFG)と呼ばれる新しい粒子ベース変分推論アルゴリズムを提案する。 PFGはStein variational gradient descent (SVGD)に対していくつかの利点があるニューラルネットワークのような非線形関数クラスは勾配流を推定するために組み込むことができる。
論文参考訳（メタデータ） (2022-11-25T08:31:57Z)
Inference on Strongly Identified Functionals of Weakly Identified Functions [71.42652863687117]
本研究では,ニュアンス関数が存在しない場合でも,関数を強く識別するための新しい条件について検討する。本稿では,プライマリおよびデバイアスのニュアンス関数に対するペナル化ミニマックス推定器を提案する。
論文参考訳（メタデータ） (2022-08-17T13:38:31Z)
Role of boundary conditions in the full counting statistics of topological defects after crossing a continuous phase transition [62.997667081978825]
トポロジカル欠陥の統計学における境界条件の役割を解析する。また, クイン数分布の累積は, クエンチ率に比例して普遍的なスケーリングを示すことを示した。
論文参考訳（メタデータ） (2022-07-08T09:55:05Z)
Discovering Causal Structure with Reproducing-Kernel Hilbert Space $\epsilon$-Machines [0.0]
本稿では,システム動作の観察から因果構造を直接推定する手法を提案する。外部および測定ノイズレベルが異なる場合の因果構造を頑健に推定する。
論文参考訳（メタデータ） (2020-11-23T23:41:16Z)
A Kernel-Based Approach to Non-Stationary Reinforcement Learning in Metric Spaces [53.47210316424326]
KeRNSは、非定常マルコフ決定過程におけるエピソード強化学習のためのアルゴリズムである。我々は、状態-作用空間の被覆次元と時間とともにMDPの総変動にスケールする後悔境界を証明した。
論文参考訳（メタデータ） (2020-07-09T21:37:13Z)
SLEIPNIR: Deterministic and Provably Accurate Feature Expansion for Gaussian Process Regression with Derivatives [86.01677297601624]
本稿では,2次フーリエ特徴に基づく導関数によるGP回帰のスケーリング手法を提案する。我々は、近似されたカーネルと近似された後部の両方に適用される決定論的、非漸近的、指数関数的に高速な崩壊誤差境界を証明した。
論文参考訳（メタデータ） (2020-03-05T14:33:20Z)
Condition on the R\'enyi Entanglement Entropy under Stochastic Local Manipulation [4.812718493682455]
ルネニエンタングルメントエントロピー(R'enyi entanglement entropy、REE)は、エンタングルメントエントロピーの自然な一般化と見なされるエンタングルメント量子化器である。ここでは、任意の順序のREEの確率分布が SLOCC の下で従うという一般的な条件を確立する。高次モーメントからの寄与は、SLOCCによる絡み合い蒸留に厳格な制限を課す。
論文参考訳（メタデータ） (2020-02-26T20:29:36Z)

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。