論文の概要: A Spectral Boundary for Independence Learnability
- arxiv url: http://arxiv.org/abs/2610.38999v1
- Date: Wed, 28 Oct 2026 22:24:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-03 08:05:24.667924
- Title: A Spectral Boundary for Independence Learnability
- Title(参考訳): 独立学習のためのスペクトル境界
- Abstract要約: テストによって時系列全体間の独立性を学ぶことは、単一の観測記録しか得られない場合、依然として困難である。
本研究では,共有非自明なクープマン固有値によって支配されるクラスレベルの境界を同定する。
完全エルゴード法の下では, 有意なランダム化試験を行えば, 完全エルゴード法則の下では, 偽陽性確率が消失することは不可能である。
- 参考スコア(独自算出の注目度): 1.7546369508217283
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning independence is fundamental to statistical inference and machine learning, yet learning independence between entire time series by a test remains challenging when only a single observation record is available. Existing guarantees often rely on structural or mixing assumptions, while stationarity and ergodicity alone do not permit consistent testing. In this work, we identify a class-level boundary governed by shared nontrivial Koopman eigenvalues, which represent common persistent oscillatory frequencies of the two processes. When no such eigenvalues are shared, we extend shift-based rank calibration with finite-window dependence witnesses and a data-adaptive threshold to construct a deterministic, weakly consistent test with finite-sample false-positive control, without quantitative mixing assumptions. Conversely, we show that no possibly randomized test can achieve vanishing false-positive probabilities under every independent jointly totally ergodic law while consistently detecting every dependent jointly totally ergodic law with a shared nontrivial eigenvalue. This impossibility already holds for binary observations and persists within any prescribed nonempty open eigenvalue window, identifying a spectral obstruction to universal learning of full-process independence.
- Abstract(参考訳): 統計的推論と機械学習には学習の独立性が不可欠だが、単一の観測記録しか入手できない場合、テストによる時系列全体間の学習の独立性は依然として困難である。
既存の保証は、しばしば構造的または混合的な仮定に依存するが、定常性とエルゴード性だけでは一貫したテストは許されない。
本研究では,共用非自明なクープマン固有値によって支配されるクラスレベルの境界を同定する。
このような固有値が共有されない場合、シフトベースのランクキャリブレーションを有限ウィンドウ依存証人と拡張し、データ適応しきい値を用いて、有限サンプル偽陽性制御による決定論的、弱い整合性テストを構築する。
逆に,非自明な固有値を持つ従属する全エルゴード法を連続的に検出しながら,すべての独立な完全エルゴード法の下で,ランダム化テストが消滅する可能性を示さない。
この不合理性は二項観測を既に保持しており、任意の所定の空でない開固有値ウィンドウ内で持続し、全プロセス独立の普遍的な学習に対するスペクトル障害を特定する。
関連論文リスト
- Record consistency under repeated readout and apparatus composition [0.0]
非シグナリング制約は、繰り返し読み出し、ネットワーク構成、または再利用の下で、その装置がアクセス可能なレコードの合同法則を保存するかどうかを判断しない。
条件レコード基準と4つの明示的モデルを用いて,これらの拡張について検討する。
8.3百万の独立したシミュレーション履歴からなる数値研究は、モデル固有の予測を支持している。
論文 参考訳(メタデータ) (2026-10-03T22:25:35Z) - Hidden-State Updates and observable-record composition in retrocausal models [0.0]
隠れ変数モデルは、デバイスが接続されたり再利用されたりする際に観測可能なレコードを保存するのに失敗しながら、コンテキストに依存しない個別の読み出しを再現することができる。
別個の観測空間は、共同読み出し時の文脈依存的な隠れ準備の不明瞭さを特徴付ける。
論文 参考訳(メタデータ) (2026-09-30T02:31:24Z) - Diverse Dictionary Learning [47.381311762862985]
観測データ$X = g(Z)$のみを与えられた場合、潜伏変数$Z$と生成プロセス$g$は未知であり、追加の仮定なしで$Z$を回収することは誤りである。
我々は、任意の観測に関連付けられた潜伏変数の交叉、補間、対称的な相違と、観測される潜伏変数の依存関係構造が、いまだ適切な不確定性まで同定可能であることを示す。
論文 参考訳(メタデータ) (2026-04-19T18:18:34Z) - Out of Context: Reliability in Multimodal Anomaly Detection Requires Contextual Inference [54.774686416991386]
我々は、マルチモーダルな異常検出は、クロスモーダルな文脈推論問題として再編成されるべきであると主張している。
この観点はモデル設計、評価プロトコル、ベンチマーク構築に影響を及ぼす。
論文 参考訳(メタデータ) (2026-04-14T19:32:55Z) - Self-Harmony: Learning to Harmonize Self-Supervision and Self-Play in Test-Time Reinforcement Learning [48.14470449860784]
テスト時強化学習(TTRL)は、推論時に合成信号のみを使用してモデルを適応するためのラベルなしパラダイムを提供する。
簡単な直感に基づくフレームワークであるSelf-Harmonyを紹介します。
論文 参考訳(メタデータ) (2025-11-03T03:34:34Z) - Beyond independent component analysis: identifiability and algorithms [0.8793721044482612]
私たちは、ペアワイズが独立を緩和できるかどうかという疑問に答えることを意味することを示しています。
この結果は任意の累積テンソルにおける必要零パターンの分布に適用できる。
論文 参考訳(メタデータ) (2025-10-08T20:38:56Z) - A Sample Efficient Conditional Independence Test in the Presence of Discretization [54.047334792855345]
離散化されたデータに直接条件付き独立テスト(CI)は、誤った結論につながる可能性がある。
最近の進歩は、観測データをバイナライズすることで、潜伏変数間の適切なCI関係を推測することを目指している。
そこで本研究では,バイナライゼーションプロセスに依存しないサンプル効率のCIテストを提案する。
論文 参考訳(メタデータ) (2025-06-10T12:41:26Z) - Mitigating LLM Hallucinations via Conformal Abstention [70.83870602967625]
我々は,大言語モデルが一般ドメインでの応答をいつ無視すべきかを決定するための,原則化された手順を開発する。
我々は、幻覚率(エラー率)の厳密な理論的保証の恩恵を受けるため、共形予測手法を活用して、禁忌手順を開発する。
実験によって得られた共形禁忌法は, 種々の閉書, オープンドメイン生成質問応答データセットに, 幻覚率を確実に拘束する。
論文 参考訳(メタデータ) (2024-04-04T11:32:03Z) - Robust Independence Tests with Finite Sample Guarantees for Synchronous
Stochastic Linear Systems [0.0]
線形時間不変系に対する非漸近的に保証された重要度を持つ頑健な独立性試験を提案する。
我々の手法は、分布のないタイプIの誤差確率の有界性、すなわち、革新は任意の分布を持つことができる。
論文 参考訳(メタデータ) (2023-08-03T21:13:34Z) - Nonparametric Conditional Local Independence Testing [69.31200003384122]
条件付き局所独立は、連続的な時間プロセス間の独立関係である。
条件付き地域独立の非パラメトリックテストは行われていない。
二重機械学習に基づく非パラメトリックテストを提案する。
論文 参考訳(メタデータ) (2022-03-25T10:31:02Z) - Exploiting Independent Instruments: Identification and Distribution
Generalization [3.701112941066256]
我々は、より高い瞬間を考慮に入れ、分布一般化の独立性を利用する。
提案した推定器は楽器の分布シフトに不変であることを示す。
これらの結果は、楽器が因果関数を識別するのに十分な豊かでない場合においても成り立つ。
論文 参考訳(メタデータ) (2022-02-03T21:49:04Z)
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。