カーネルロバスト仮説検定【JST・京大機械翻訳】

Sun Zhongchang; Zou Shaofeng

プレプリント

J-GLOBAL ID：202202205654003071 整理番号：22P0309427

カーネルロバスト仮説検定【JST・京大機械翻訳】

Kernel Robust Hypothesis Testing

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年03月23日プレプリントサーバーでの情報更新日： 2023年08月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ロバスト仮説試験の問題を研究し,そこでは,ヌルと代替仮説の下で,データ生成分布を,いくつかの不確実性集合で仮定し,そして,目標は,不確実性集合上の最悪ケース分布の下で良好に機能する試験を設計することである。本論文では,不確実性集合をカーネル法を用いてデータ駆動方式で構築し,すなわち,それらはそれぞれヌルおよび代替仮説から訓練サンプルの経験的分布の周りに中心を置く。そして,再生カーネルHilbert空間,すなわち最大平均不一致(MMD)における分布のカーネル平均埋込み間の距離によって制約される。Bayes設定とNeyman-Pearson設定を研究した。目標が最悪ケース誤差確率を最小化するために,Bayes設定のために,アルファベットが有限であるとき,最適試験を最初に得た。アルファベットが無限である場合,最悪ケース平均誤差確率を定量化するための扱いやすい近似を提案し,カーネル平滑化法をさらに適用して,サンプルに一般化する試験を一般化した。直接ロバストカーネル試験も提案し,指数関数的に一致することを証明した。目標が誤り警報の最悪ケース確率の制約を受ける誤検出の最悪ケース確率を最小化することを目標とするNeyman-ピアソン設定のために,効率的ロバストカーネルテストを提案して,漸近的に最適であることを示した。提案したロバスト試験の性能を実証するために数値結果を提供した。【JST・京大機械翻訳】

, , , , , , ,
, , , , , 【Automatic Indexing@JST】

システム・制御理論一般 , 人工知能 , ニューロコンピュータ , パターン認識

, ,

前のページに戻る