論文の概要: Generalized Engression Models

• arxiv url: http://arxiv.org/abs/2610.01823v1
• Date: Thu, 01 Oct 2026 14:57:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.211779
• Title: Generalized Engression Models
• Title（参考訳）: 一般化エングレスモデル
• Abstract要約: 我々は任意のタイプの結果に対する統一された非パラメトリック分布回帰フレームワークを開発する。 シミュレーションと2つの応用において、地域生態学のベンチマークで242種と17次元混合型健康結果が得られた。
• 参考スコア（独自算出の注目度）: 2.8013877068530824
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider estimating the conditional distribution of a multivariate outcome given covariates when its coordinates may be continuous, binary, categorical, ordinal or rankings, and are conditionally dependent on one another. Different statistical methods have been developed for each outcome type, and most of them target a summary of the conditional distribution, such as the mean of each coordinate, rather than the joint distribution of the outcome vector. We develop generalized engression models, a unified nonparametric distributional regression framework for outcomes of any type. The proposed method builds upon engression, a scoring-rule-based deep generative model, and introduces a data-type-specific link function and a stochastic perturbation that smooths the loss, enabling gradient-based training even with discontinuous links. We establish universal representation results for continuous, discrete and mixed outcomes. In simulations and in two applications, 242 species in a community ecology benchmark and a 17-dimensional mixed-type health outcome, the method matches type-specific models on marginal scores, improves on them on the joint distribution, and matches or exceeds purpose-built state-of-the-art joint species distribution models. Software is available in Python.
• Abstract（参考訳）: 座標が連続的、二進的、カテゴリー的、順序的、ランク付けである場合、共変量による多変量結果の条件分布を推定し、条件依存する。 結果型毎に異なる統計手法が開発されており、ほとんどの場合、結果ベクトルの結合分布ではなく、各座標の平均などの条件分布の要約を目標としている。 我々は、任意のタイプの結果に対する統一された非パラメトリック分布回帰フレームワークである一般化エングレスモデルを開発する。 提案手法は、スコアリングルールに基づく深層生成モデルであるエングレスに基づいて構築され、データ型固有のリンク関数と確率的摂動を導入し、損失を円滑にし、不連続なリンクであっても勾配に基づくトレーニングを可能にする。 連続的、離散的、混合的な結果に対して普遍的な表現結果を確立する。 シミュレーションおよび2つの応用において、地域生態指標における242種と17次元混合型健康結果において、この方法は限界スコアのタイプ固有モデルと一致し、関節分布におけるそれらを改善し、目的とする最先端の関節種分布モデルに適合または超越する。 ソフトウェアはPythonで入手できる。

関連論文リスト

• Robust model-based clustering via mixtures of multivariate pseudo-Voigt distributions [0.0]
  ガウス分布とコーシー分布の重み付き凸結合は、ロバストモデルに基づくクラスタリングと外乱検出のために提案される。 このフレームワークは、重み付けされた振る舞いを特徴とするデータに対して特に有効であることが示されている。
  論文  参考訳（メタデータ） (2026-08-27T18:38:42Z)
• Varying-Coefficient Mixture of Experts Model [0.0]
  本稿では、ゲーティング関数とエキスパートモデルの両方におけるすべての係数効果をインデックス変数に沿って変化させることができるVarying-Coefficient Mixture of Experts (VCMoE)モデルを提案する。 本稿では, 胚性マウスにおける単一遺伝子発現のデータセットを用いて, 遺伝子Satb2とBcl11bの関連性の時間的ダイナミクスを特徴づけるVCMoEモデルを提案する。
  論文  参考訳（メタデータ） (2026-01-05T00:23:30Z)
• Nonparametric Data Attribution for Diffusion Models [57.820618036556084]
  生成モデルのデータ属性は、個々のトレーニング例がモデル出力に与える影響を定量化する。 生成画像とトレーニング画像のパッチレベルの類似性によって影響を測定する非パラメトリック属性法を提案する。
  論文  参考訳（メタデータ） (2025-10-16T03:37:16Z)
• Model averaging in the space of probability distributions [0.0]
  ワッサーシュタイン距離の観点から,確率分布空間におけるアグリゲーションスキームについて検討した。 標準弾性ネットのペナル化を動機とする正則化スキームを用いて, 空間特性を享受するモデルが連続的に得られることを示す。 提案手法は,クレームサイズ分布と関連するテールリスクを推定するために,現実の保険損失のデータセットに適用される。
  論文  参考訳（メタデータ） (2025-07-15T20:41:57Z)
• Mixture models for data with unknown distributions [0.6345523830122168]
  実数値多変量データに対する混合モデルの幅広いクラスを記述・解析する。 データの分割と分布の推定の両方を返却し、クラスタリングと密度推定を各クラスタ内で同時に効果的に行う。 提案手法を図解的アプリケーション選択で実証し,両アルゴリズムをコードで実装する。
  論文  参考訳（メタデータ） (2025-02-26T22:42:40Z)
• MAUVE Scores for Generative Models: Theory and Practice [95.86006777961182]
  本報告では,テキストや画像の生成モデルで発生するような分布のペア間の比較尺度であるMAUVEについて述べる。 我々は、MAUVEが人間の文章の分布と現代のニューラル言語モデルとのギャップを定量化できることを発見した。 我々は、MAUVEが既存のメトリクスと同等以上の画像の既知の特性を識別できることを視覚領域で実証する。
  論文  参考訳（メタデータ） (2022-12-30T07:37:40Z)
• BRIO: Bringing Order to Abstractive Summarization [107.97378285293507]
  非決定論的分布を前提とした新しい学習パラダイムを提案する。 提案手法は, CNN/DailyMail (47.78 ROUGE-1) と XSum (49.07 ROUGE-1) のデータセット上で, 最新の結果が得られる。
  論文  参考訳（メタデータ） (2022-03-31T05:19:38Z)
• Autoregressive Score Matching [113.4502004812927]
  自動回帰条件スコアモデル(AR-CSM)を提案する。 AR-CSMモデルでは、このデータ分布とモデル分布のばらつきを効率的に計算し、最適化することができ、高価なサンプリングや対向訓練を必要としない。 本研究では,合成データに対する密度推定,画像生成,画像復調,暗黙エンコーダを用いた潜在変数モデルの訓練に応用できることを示す。
  論文  参考訳（メタデータ） (2020-10-24T07:01:24Z)
• Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
  本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。 我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。 その結果,我々のモデルは最先端の性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2020-10-12T03:27:07Z)
• Distributional Random Forests: Heterogeneity Adjustment and Multivariate Distributional Regression [0.8574682463936005]
  共同条件分布に基づく多変量応答のための新しい森林構築法を提案する。 コードはPythonとRパッケージとして利用可能である。
  論文  参考訳（メタデータ） (2020-05-29T09:05:00Z)
• Adaptive Correlated Monte Carlo for Contextual Categorical Sequence Generation [77.7420231319632]
  我々は,モンテカルロ (MC) ロールアウトの集合を分散制御のために評価する政策勾配推定器に,カテゴリー列の文脈的生成を適用する。 また,二分木ソフトマックスモデルに相関したMCロールアウトを用いることで,大語彙シナリオにおける高生成コストを低減できることを示す。
  論文  参考訳（メタデータ） (2019-12-31T03:01:55Z)

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。