高次元構造理論チーム セミナー(ジュネーブ大学 Christophe Quentin Valvason 氏による講演)
理研AIPのオンラインセミナー。小標本でも信頼できるノンパラメトリック信頼区間を最適輸送で構成する手法を解説。
- 日時
- 場所
- オンライン
- 主催者
- 理化学研究所 革新知能統合研究センター
- 言語
- EN
- 出典
- Doorkeeper

理化学研究所 革新知能統合研究センターの次のイベント
近日開催の関連イベント
第4回 Conference on Parsimony and Learning(CPAL 2027)
機械学習の簡潔さ(スパース性・低次元構造)をテーマにした国際会議CPAL 2027。一橋講堂で4日間開催。
対面 関東(東京) EN 3月23日 〜 3月26日
【テンソル学習チームセミナー】José Ramón Pareja Monturiol博士(マドリード工科大学)講演「機械学習のためのテンソルネットワーク:モデル、応用、学習手法」
機械学習のためのテンソルネットワークに関するセミナー。プライバシー、頑健性、解釈可能性、モデル圧縮、学習手法を扱う。
ハイブリッド その他 EN
Tokyo Python: 80のDAGで世界一周
Jarek Potiuk氏が、AI由来のPRや報告に対応するOSSメンテナー向けエージェントスキル集Apache Magpieを紹介。Airflow入門も。
対面 関東(東京) EN
概要
理化学研究所 革新知能統合研究センター(AIP)の高次元構造理論チームが主催するオンラインセミナーで、ジュネーブ大学の Christophe Quentin Valvason 氏が登壇します。講演タイトルは「Optimal Transport for Nonparametric Inference: Improving Confidence Intervals」で、標準的な信頼区間の手法が名目上の被覆率から大きくずれやすい小標本での信頼性の高い統計的推論という課題を扱います。
講演では、離散的なソース測度と標本分布の推定量との間の最適輸送問題として信頼区間の構成を捉え直す手法を紹介します。双対ポテンシャルの幾何に依存する非被覆確率の有限標本上界、ハウスドルフ距離における一致性を含む漸近的妥当性、ソース測度の有限台が構成を安定させる理由を説明する正則化の視点、そして標準的なブートストラップ法よりも名目水準に近い被覆率を示すシミュレーション結果が取り上げられます。
コミュニティについて
高次元構造理論チームは国立のAI研究センターに属する研究グループで、国内外の研究者を招き、数理統計、機械学習理論、高次元解析に関する研究を発表する定期セミナーを開催しています。講演は研究者向けの内容で、通常1時間程度、オンラインで一般公開されています。
#optimal-transport#statistics#nonparametric-inference#machine-learning-theory#research-seminar#riken-aip

