density ratio | BriefGPT - AI 论文速递

关键词density ratio

搜索结果 - 8

超越受限密度比的迁移学习
通过低次多项式估计器的转移不等式，证明了在非常温和的假设下，可以实现低次多项式的非平凡转移学习，超越了传统的密度比有界的假设。
PDF4 months ago
对密度比率估计鲁棒的协变量偏移适应
在这篇研究论文中，我们介绍了一种通过重要性加权的协变量偏移适应方法的双重健壮估计器，该估计器结合了回归函数的额外估计器，减少了密度比估计误差引起的偏差，并通过模拟研究证实了该方法的稳健性。
PDF8 months ago
条件归一化流在优化权重重构中的应用
通过条件归一化流来学习完整条件概率分布以匹配目标分布，消除模拟样本中的误建模，较之常见的重新加权技术，该方法独立于分组选择且不依赖于两个分布之间密度比率的估计，其可以提供高达三倍的统计精度，同时在高能粒子物理应用领域也具有一定的潜力。
PDFa year ago
ICML双重稳健离线演员 - 评论家算法：收敛和最优性
本文提出了一种新的基于 actor-critic 算法的离策略强化学习算法 DR-Off-PAC，通过利用已学习的干扰函数来降低估计误差并减少采样复杂度，同时采用单时间尺度结构，可以更加高效地实现一次更新。其中采用密度比方法来调整分布不匹配
PDF3 years ago
ICLR使用分解判别器训练生成对抗网络从不完整观测中生成图像
本文介绍了一种用于生成对抗网络的子判别器和密度比率的方法，旨在提高在使用未标记数据进行影像分割等预测任务时的图像生成以及分割准确度。
PDF5 years ago
NIPS打破视野的诅咒：无穷视野离线估计
本文提出了一种新的离线策略估计方法，其中将重要性采样直接应用于平稳态访问分布，从而避免了现有估计器所面临的方差爆炸问题。通过仅从行为分布中采样轨迹，我们开发了一种估计密度比的新方法，并为估算问题设计了 mini-max 损失函数，并推导出了
PDF6 years ago
通过正则化稳定生成对抗网络的训练
通过提出一种新的正则化方法，我们克服了 GAN 模型分布和数据分布之间维度不匹配的局限性，并证明了该正则化方法在多种常见图像生成任务中的有效性。
PDF7 years ago
KL 散度的估计：最优极小极大速率
研究在字母表大小可以无限扩展的假设下，基于从 P 中抽取 m 个独立样本和从 Q 中抽取 n 个独立样本，估算两个未知分布 P 和 Q 之间 Kullback-Leibler 差异的问题，并提出了改进后的插件估计器和最小二次风险最小值估计器
PDF8 years ago