Latent-IMH: Efficient Bayesian Inference for Inverse Problems with Approximate Operators
이 논문은 계산 비용이 큰 연산자를 가진 베이지안 역문제에서 오프라인 단계를 통해 효율성을 극대화하고 NUTS 와 같은 기존 방법보다 월등히 빠른 성능을 보이는 새로운 샘플링 기법인 Latent-IMH 를 제안하고 그 이론적 성능을 입증합니다.
🔢 Category
math.ST
162 편의 논문
Optimal training-conditional regret for online conformal prediction
이 논문은 알려지지 않은 분포 드리프트가 발생하는 비정상 데이터 스트림에서 훈련 조건부 누적 후회를 최소화하는 온라인 공형 예측을 위해, 드리프트 감지를 활용한 분할 공형 및 안정성에 기반한 전체 공형 알고리즘을 제안하고 그 최적성을 이론적으로 증명합니다.
Predictive Coherence and the Moment Hierarchy: Martingale Posteriors for Exchangeable Bernoulli Sequences
이 논문은 교환 가능한 베르누이 시퀀스에서 사후 평균만으로는 다단계 예측 확률을 유일하게 결정할 수 없음을 보여주고, 예측 완전성을 보장하기 위해서는 말티네일 사후분포가 종단값의 조건부 법칙을 유일하게 규정해야 함을 증명하며, 힐의 A_(n) 규칙을 긍정적 사례로 제시합니다.
Bayesian Modeling of Collatz Stopping Times: A Probabilistic Machine Learning Perspective
이 논문은 콜라츠 정리의 총 정지 시간을 예측하기 위해 단순한 공변량을 기반으로 한 베이지안 계층적 음이항 회귀 모델과 홀수 블록 분해에 기반한 생성적 근사 모델을 개발하고, 저차 모듈러 구조가 이산 시간의 이질성을 설명하는 핵심 요인임을 실증적으로 규명합니다.
KRAFTY: Khatri-Rao Framework for Joint Cluster Recovery
이 논문은 여러 뷰의 데이터에서 부분적으로만 드러나는 진정한 공동 클러스터 구조를 효과적으로 복원하고 모델 선택을 용이하게 하는 'KRAFTY'라는 새로운 다중 뷰 클러스터링 프레임워크와 방법을 제안합니다.
K-Means as a Radial Basis function Network: a Variational and Gradient-based Equivalence
이 논문은 온도가 0 으로 수렴할 때 가중 RBF 네트워크의 목적 함수가 K-평균 알고리즘과 -수렴하며, 엔트맥스 (Entmax-1.5) 를 통해 수치적 안정성을 확보함으로써 이산적 클러스터링과 연속적 최적화를 연결하는 미분 가능한 통합 프레임워크를 제시합니다.
Estimating Graph Dynamics from Population Observations
이 논문은 동적 랜덤 그래프 위에서 진화하는 개체군의 정점별 관측 데이터만을 바탕으로 그래프의 에지 존재 확률 를 추정하는 두 가지 추정기를 제안하고, 그 일관성과 점근적 정규성을 증명합니다.
Uniform convergence of kernel averages under fixed design with heterogeneous dependent data
이 논문은 고정된 설계점과 이질적인 종속 데이터를 가진 경우, 강혼합 조건 하에서 커널 평균의 균등 수렴 속도를 유도하고 이를 비모수 회귀 모델의 국소 선형 추정량에 적용하는 이론적 틀을 제시합니다.
Sequential Multiple Testing: A Second-Order Asymptotic Analysis
이 논문은 독립적인 데이터 스트림을 가진 순차적 다중 검정 문제에서 오차 허용 수준이 0 으로 수렴할 때 기대 표본 크기와 최소 달성 가능 표본 크기 간의 차이가 균일하게 유계임을 보이는 2 차 점근적 최적성을 위한 통일된 이론을 정립하고, 이를 통해 기존 1 차 최적 절차들이 2 차 최적성을 갖는다는 것을 증명하며 최소 표본 크기의 2 차 점근적 전개를 유도합니다.
The augmented van Trees inequality
이 논문은 경계에서 밀도가 소멸하지 않는 사전 분포도 허용하며 기존 바인 트리스 부등식보다 균일하게 더 엄격한 하한을 제공하는 '증강된 바인 트리스 부등식'을 도입하여 비모수 추정량의 최소극한 하한을 더 정밀한 상수로 증명하는 방법을 제시합니다.
Strong consistency of the local linear estimator for a generalized regression function with dependent functional data
이 논문은 종속성을 가진 기능성 데이터에 대한 일반화된 회귀 함수의 국소 선형 추정기에 대한 강한 일관성과 수렴 속도를 규명하고, 시뮬레이션 및 에너지 소비 예측 실증을 통해 국소 선형 추정기가 국소 상수 추정기보다 우수한 성능을 보임을 입증합니다.
Robust estimation via -divergence for diffusion processes
이 논문은 고빈도 관측 데이터의 이상치 문제를 해결하기 위해 Kessler 의 접근법을 통해 전이 확률밀도함수를 가우시안 분포로 근사하고, 이를 바탕으로 -발산 (gamma-divergence) 을 이용한 강건한 확산 과정 추정량의 점근적 성질과 조건부 영향함수의 유계성을 규명합니다.
Asymptotic Separability of Diffusion and Jump Components in High-Frequency CIR and CKLS Models
이 논문은 최소 밀도 파워 발산 추정량 (MDPDE) 을 기반으로 한 강건한 파라메트릭 프레임워크를 제시하여, 고빈도 CIR 및 CKLS 모델에서 확산 성분과 점프 성분의 점근적 분리성을 이론적으로 증명하고 분류 일관성을 갖는 점프 탐지 방법을 개발했습니다.
New Berry-Esseen bounds for parameter estimation of Gaussian processes observed at high frequency
이 논문은 고빈도로 관측된 가우시안 과정의 매개변수 추정을 위해 이차 모멘트 추정량을 사용하며, 누적량에 대한 새로운 기법을 적용하여 기존 문헌보다 엄밀한 베리-에세엔 부등식을 유도합니다.
Maximum of sparsely equicorrelated Gaussian fields and applications
이 논문은 삼각형 영역에서 희소하고 등 상관관계를 가진 가우시안 필드의 극단값을 연구하여 표준 귀무법칙이 깨지는 임계값을 Chen-Stein 방법을 통해 규명하고, 이를 다중 검정 문제와 기존 연구들의 미해결 질문에 대한 해결책으로 제시합니다.
Bayes with No Shame: Admissibility Geometries of Predictive Inference
이 논문은 베이지안 위험 우위, 언제든 유효한 적절성, 주변 커버리지 유효성, 그리고 체사로 접근성이라는 네 가지 서로 다른 기하학적 기준이 예측 추론의 적절성을 정의하며, 이들이 서로 포함되지 않고 각기 다른 최적성 증명과 기하학적 불일치를 가진다는 것을 증명합니다.
On the Statistical Optimality of Optimal Decision Trees
이 논문은 경험적 위험 최소화 (ERM) 기반 의사결정나무에 대한 엄밀한 통계 이론을 정립하여, 국소화된 라데마허 복잡도 기반의 균일 집중 부등식과 새로운 PSHAB 함수 클래스에 대한 최소최대 최적 수렴 속도를 도출함으로써 그 통계적 최적성을 입증합니다.
Thermodynamic Response Functions in Singular Bayesian Models
본 논문은 비정규 통계 모델에서 사후 분포의 온도 조절 (tempering) 을 통해 열역학적 응답 함수 계층을 도입하고, 이를 통해 WAIC, WBIC 및 특이 학습 이론의 핵심 개념들을 통합된 열역학적 프레임워크로 해석하여 복잡성과 구조적 재구성을 설명하는 새로운 체계를 제시합니다.
Uniform error bounds of the ensemble transform Kalman filter for infinite-dimensional dynamics with multiplicative covariance inflation
이 논문은 무한 차원 동역학 시스템에 적용된 앙상블 변환 칼만 필터 (ETKF) 에 대한 이론적 분석을 수행하여, 공분산 팽창 기법을 적절히 사용할 경우 시간 무관한 균일 오차 상한을 유도함으로써 해당 방법론의 유효성을 수학적으로 입증했습니다.
Expected Kullback-Leibler-based characterizations of score-driven updates
이 논문은 예상된 클라이브-라이블러 발산 감소를 기반으로 스코어 구동 (SD) 업데이트를 정보 이론적으로 특징짓고, 이를 통해 비볼록, 다변량, 오설정 환경에서도 SD 모델이 유효함을 엄밀하게 증명합니다.