無限分散仮定の下でのロバストな統計的学習のための非漸近保証【JST・京大機械翻訳】

Xu Lihu; Yao Fang; Yao Qiuran; Zhang Huiming

プレプリント

J-GLOBAL ID：202202221048394990 整理番号：22P0025419

無限分散仮定の下でのロバストな統計的学習のための非漸近保証【JST・京大機械翻訳】

Non-Asymptotic Guarantees for Robust Statistical Learning under Infinite Variance Assumption

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 (4件)： , , ,
資料名：
発行年： 2022年01月10日プレプリントサーバーでの情報更新日： 2022年10月11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)

統計および機械学習において,重尾および有界分散データを有するモデルに対するロバスト推定子の開発において関心が高まっており,一方,非有界分散を課す研究はほとんどない。本論文は,2種類のロバスト推定器,リッジログ切断M-推定器および弾性ネットログ切断M-推定器を提案した。最初の推定子は,分位回帰と一般化線形モデルのような凸回帰に適用され,一方,他のものは,深いニューラルネットワークによる回帰のような高次元非凸学習問題に適用される。シミュレーションと実際のデータ解析は,標準推定上の対数切断推定の{ロバストさ}を実証した。【JST・京大機械翻訳】

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

信号理論 , 数値計算

, , , ,

前のページに戻る