SPPCSO: Adaptive Penalized Estimation Method for High-Dimensional Correlated Data
この論文は、高次元の相関データにおける多重共線性の課題に対処するため、単一パラメータ主成分回帰と正則化を統合し、変数選択と係数推定の安定性を両立させる新しいペナルティ推定法「SPPCSO」を提案し、その理論的優位性と遺伝子発現データ解析などにおける実用性を示しています。
📊 Category
stat.ML
333 件の論文
Synthetic Monitoring Environments for Reinforcement Learning
この論文は、強化学習エージェントの行動を精密に診断し、環境特性が性能に与える影響を厳密に分析するための、最適方策と即時的後悔が既知の合成監視環境（SMEs）という新しいフレームワークを提案し、PPO、TD3、SAC などのアルゴリズムに対する多角的な検証を通じてその有効性を示しています。
Robust support vector model based on bounded asymmetric elastic net loss for binary classification
本論文は、有界非対称エラスティックネット損失関数に基づく新しいサポートベクターモデル（BAEN-SVM）を提案し、その幾何学的妥当性、ノイズ耐性、一般化能力を理論的に証明するとともに、非凸最適化問題を効率的に解くアルゴリズムを設計し、実験を通じてノイズ環境下での従来手法に対する優位性を示したものである。
Certified and accurate computation of function space norms of deep neural networks
この論文は、区間算数と適応的分割・数値積分を組み合わせることで、深層ニューラルネットワークの関数空間ノルム（、、 など）および PINN の内部残差に対する厳密な上下界を計算し、保証する枠組みを提案しています。
Bayesian Additive Distribution Regression
本論文は、分布値の予測変数からスカラー応答を予測する分布回帰問題に対し、BART 事前分布を付与した Riesz 表現体を線形汎関数としてモデル化するベイズ非パラメトリック手法「DistBART」を提案し、その理論的保証、カーネル法との関連性、および大規模データ向けのスケーラブルな近似法を確立したものである。
Semantics-Aware Caching for Concept Learning
この論文は、記述論理に基づく概念学習における反復的なインスタンス検索のランタイム課題を解決するため、意味論的（包含関係）に概念とインスタンスを関連付けるキャッシュ手法を提案し、記号およびニューロ記号推論機において検索と学習の処理時間を最大 10 倍短縮できることを示しています。
Bounds on Representation-Induced Confounding Bias for Treatment Effect Estimation
この論文は、条件付き平均処置効果（CATE）推定における表現学習の次元削減によって生じる交絡バイアスの上下界を推定するための、表現に依存しない新たな反証フレームワークを提案し、その理論的基盤と実効性を示したものである。
Onflow: a model free, online portfolio allocation algorithm robust to transaction fees
本論文は、資産収益率の分布に関する仮定を置かず、トランザクションコストを考慮しながら確率的勾配法を用いてポートフォリオ配分を動的に最適化する、モデルフリーかつオンラインなアルゴリズム「Onflow」を提案し、高い取引コスト下でも既存手法を上回る性能を示すことを実証しています。
Geometry of Singular Foliations and Learning Manifolds in ReLU Networks via the Data Information Matrix
この論文は、ReLU 分類器を訓練してデータ情報行列（DIM）を導出することで、高次元データ空間に特異葉構造を自然に定義し、その幾何学的性質とデータ間の距離測定による知識転移の可能性を実証しています。
Are Bayesian networks typically faithful?
本論文は、線形ガウス型や離散型に限らず、条件付き指数分布族や非パラメトリックモデルなど多様なベイズネットワークにおいて、忠実なパラメータが位相的に稠密かつ開集合をなす「典型的」なものであることを示し、これにより制約ベースの因果発見アルゴリズムの一致性が保証されることを証明しています。
Quantifying Aleatoric Uncertainty of the Treatment Effect: A Novel Orthogonal Learner
この論文は、医療治療の安全性と有効性を評価する際に不可欠な治療効果の確率的なばらつき（アレイタリック不確実性）を定量化するため、条件付き治療効果分布の鋭い境界を推定する新しい直交学習器「AU-learner」を提案し、その完全パラメトリックな深層学習実装を示すものである。
Finance-Informed Neural Network: Learning the Geometry of Option Pricing
この論文は、観測されたオプション価格の学習に依存せず、動的ヘッジに基づく自己教師あり複製目的関数を通じて金融理論を直接統合し、ブラック・ショールズモデルから確率変動環境まで一貫した価格と感応度（グリークス）を導出する「ファイナンス・インフォームド・ニューラルネットワーク（FINN）」を提案するものである。
Adaptive Prior Selection in Gaussian Process Bandits with Thompson Sampling
この論文は、事前分布が未知である現実的な状況に対応するため、予測性能に基づいて事前分布を排除する「PE-GP-TS」と二重のトンプソンサンプリングを用いる「HP-GP-TS」という 2 つのアルゴリズムを提案し、それらの累積後悔の理論的上界を導出するとともに、合成データおよび実世界データを用いた実験でその有効性を示すものである。
Weighted Random Dot Product Graphs
本論文は、エッジの重み分布のより高次なモーメントまでを区別可能にする非パラメトリックな重み付きランダムドット積グラフ（WRDPG）モデルを提案し、その推定手法の統計的保証と、指定された WRDPG に沿ったグラフ生成フレームワークを確立したものである。
Distribution estimation via Flow Matching with Lipschitz guarantees
この論文は、フローマッチングのベクトル場に対するリプシッツ定数の依存性を制御する仮定を明らかにし、対数凹性を必要としない高次元の非有界分布に対しても、従来の結果を改善する Wasserstein 距離における収束率を導出するものです。
Busemann Functions in the Wasserstein Space: Existence, Closed-Forms, and Applications to Slicing
本論文は、最適輸送によって誘起されるリーマン幾何構造を持つワッサーシュタイン空間におけるブセマン関数の存在と計算可能性を研究し、1 次元分布およびガウス測度に対する閉形式解を導出することで、確率分布の射影やガウス混合モデル・ラベル付きデータセットにおける新しいスライス・ワッサーシュタイン距離の定義、ならびにその転移学習などへの応用を可能にした。
Refereed Learning
この論文は、2 人の競合する証明者（1 人は誠実）からなる「審査付き学習」の枠組みを提唱し、特に高精度なモデル選択タスクにおいて、従来の単一証明者や証明者なしの手法を大幅に凌駕する効率性と精度を達成するプロトコルを構築し、その最適性を示す下限を証明したものである。
Belief Dynamics Reveal the Dual Nature of In-Context Learning and Activation Steering
この論文は、ベイズ的観点からプロンプトによる文脈内学習と内部活性化の操作という一見異なる LLM 制御手法を、それぞれ「証拠の蓄積」と「概念の事前確率の変更」として統一的に説明する予測モデルを提案し、両者の相加性や急激な行動変化など新たな現象を予測可能にしました。
Approximate Bayesian inference for cumulative probit regression models
この論文は、大規模な順序カテゴリカルデータに対するベイズ推論の計算効率を改善するため、変分ベイズと期待伝播法を用いた累積プロビット回帰モデルの近似推論アルゴリズムを提案し、マルコフ連鎖モンテカルロ法と比較して優れた計算性能と精度を達成したことを示しています。
Entropic Confinement and Mode Connectivity in Overparameterized Neural Networks
この論文は、過剰パラメータ化されたニューラルネットワークにおいて、損失が平坦な経路が存在するにもかかわらず最適化が単一の盆地に閉じ込められるというパラドックスを、曲率の変動と最適化ノイズの相互作用によって生じるエントロピー障壁（曲率誘起のエントロピー力）によって説明し、これが解の局在化を支配していることを明らかにしています。