Quantum Adaptive Fourier Features for Neural Density Estimation
MindLab(思维实验室);Universidad Nacional de Colombia(哥伦比亚国立大学)
密度估计是统计学和机器学习应用中的基本任务。核密度估计是低维非参数密度估计的有力工具,但在高维情况下性能较差。此外,其预测复杂度与更多的训练数据点成线性比例。本文提出了一种神经密度估计方法,该方法可以看作是核密度估计的一种,但没有高的预测计算复杂性。该方法是基于密度矩阵,在量子力学中使用的形式主义,和自适应傅立叶特征。该方法可以在没有优化的情况下进行训练,但它也可以与深度学习架构集成,并使用梯度下降进行训练。因此,它可以被看作是一种神经密度估计方法。该方法在不同的合成和真实数据集上进行了评估,并将其性能与最先进的神经密度估计方法进行了比较,获得了有竞争力的结果。
2022-08-04 cs.LG quant-ph stat.ML
Quantile Fourier Transform, Quantile Series, and Nonparametric Estimation of Quantile Spectra
IBM T. J. Watson Research Center(IBM T.J. 沃森研究中心)
本文提出非参数方法估计分位数谱及交叉谱,基于分位数离散傅里叶变换和分位数序列,利用滞后窗方法构建自协方差函数估计谱,通过平滑技术减少统计波动,通过模拟研究评估方法性能。
2025-11-25 stat.CO stat.ME
Estimation and Inference for Latent Markov Models by Fourier Recursions
Guanghua School of Management, Peking University(光华管理学院,北京大学);Department of Statistics, London School of Economics(伦敦政治经济学院统计系)
本文提出一种理论上精确的傅里叶递归框架,用于非高斯非线性潜在马尔可夫模型的估计与推断,提供统一截断实现和首个一般渐近理论,模拟和破产数据应用验证了其有效性和稳定性。
2026-09-09 stat.ME
Density Estimation on the Binary Hypercube using Transformed Fourier-Walsh Diagonalizations
本文提出一种基于 Fourier-Walsh 对角化与单调变换的通用二元密度估计框架,统一并推广了 Aitchison-Aitken 核,在保持正定性的同时实现速度与灵活性的灵活权衡。
2023-04-11 stat.ME
Combining local and global smoothing in multivariate density estimation
通过一种将传统的局部平滑与全局平滑相结合的方法来处理多元密度估计的非参数估计,但不施加刚性结构。仿真工作提供了令人鼓舞的迹象的有效性的方法。基于密度的聚类的应用程序说明了一种可能的用途。
2016-10-07 stat.ME stat.ML
Statistical inference for moving-average Lévy-driven processes: Fourier-based approach
研究了连续时间滑动平均Lévy过程的半参数统计估计的一种新方法。我们推导出所提出的估计的收敛速度,并表明这些速度是最佳的极大极小意义。
2017-02-09 stat.ME
Wavelet-based and Fourier-based multivariate Whittle estimation: multiwave
具有长相关性的多元时间序列在金融、物理学、神经科学等领域有着广泛的应用。许多软件包提供了单变量设置的估计工具,但很少有人解决多变量设置的长期依赖估计问题。多波包为多元时间序列提供了有效的估计方法。实现了时间序列的长记忆指数和长期协方差阵的两种半参数估计方法。第一种是由[18]提出的基于傅立叶的估计,第二种是在[4]中描述的基于小波的估计。本文的目的是提供一个概述的R包多波与其实际应用前景。
2018-11-26 math.ST stat.TH
The Fourier estimation method with positive semi-definite estimators
本文对连续Itô半鞅的现货波动率(矩阵)过程的Fourier估计方法作了一点改进,其中估计量总是非负定的。由于对估计量进行了因子分解,大大节省了计算量。
2014-10-01 math.ST q-fin.ST stat.TH
Multivariate Smoothing via the Fourier Integral Theorem and Fourier Kernel
从傅里叶积分定理出发,给出了多元函数的自然蒙特卡罗估计,包括密度、混合密度、转移密度、回归函数,以及多元密度函数的模式搜索(模式回归).收敛速率被建立,并且在许多情况下,提供优于当前标准估计器的速率,诸如基于核的那些,包括核密度估计器和核回归函数。数值例子。
2020-12-28 math.ST stat.ME stat.ML
Fourier transform methods for pathwise covariance estimation in the presence of jumps
我们提供了一个新的非参数傅立叶过程来估计的瞬时协方差过程的轨迹(从多维价格过程的离散观测)在跳跃的存在下扩展的开创性工作Malliavin和Mancino~ \cite{MM:02, MM:09}。我们的方法依赖于一个修改的(经典的)跳跃鲁棒估计的综合实现协方差估计的协方差轨迹的傅里叶系数。使用傅里叶-费耶尔反演,我们重建的瞬时协方差的路径。我们证明了一致性和中心极限定理(CLT),特别是渐近估计方差是较小的一个因素$ 2/3$相比,经典的本地估计。该程序是足够强大的,允许迭代,我们可以从理论上和经验上证明如何估计的瞬时随机协方差过程的综合实现协方差。我们将这些技术应用于金融多元建模的鲁棒校准问题,即,同时利用时间序列和衍生品价格信息选择定价指标。
2014-06-20 math.ST stat.TH
Bayesian Approach for Parameter Estimation of Continuous-Time Stochastic Volatility Models using Fourier Transform Methods
我们提出了一个两阶段的过程中相当普遍的,连续时间的随机波动率的参数估计。所提出的方法的一个重要组成部分是Cuchiero-Teichmann波动估计,这是基于傅里叶变换,并提供了一个连续的时间估计的潜在过程。然后,该估计用于构造感兴趣的参数的近似似然,其限制通过先验分布考虑。该程序被证明是非常成功的构造后验分布的参数的赫斯顿模型,而有限的成功时,实现了高度参数化的指数-奥恩斯坦-乌伦贝克。
2018-12-10 math.ST stat.ME stat.TH
Minimax Estimation of Quadratic Fourier Functionals
本文研究了两个非参数概率分布之间的(半)内积的估计,给出了每个分布的IID样本。这些产品包括相对较好的研究经典的$\mathcal{L}^2$和Sobolev内积,以及那些诱导的不变性再生核,我们相信我们的结果是第一个。我们首先提出这些数量的估计,并诱导(半)规范和(伪)度量。然后,我们证明非渐近上界的均方误差,在重量方面的内积和两个分布,在傅立叶基。最后,我们证明了极大极小下界,暗示率最优的建议估计傅立叶椭球。
2018-09-01 cs.IT math.IT math.ST
Adaptive smoothness of function estimation in the three classical problems of the non-parametrical statistic in the three classical problems of the non-parametrical statistic
本文在回归、密度估计和谱密度估计三个非参数统计经典问题中,提出了希尔伯特空间范数意义下的自适应函数光滑性估计方法。
2024-08-31 math.ST stat.TH
Parameter Estimation in Diagonalizable Stochastic Hyperbolic Equations
研究了加性时空高斯白噪声驱动下线性随机双曲型方程的参数估计问题。允许阻尼/放大算子是无界的。该估计器是谱型的,并利用有限数量的空间傅里叶系数的解决方案。在观测时间和噪声强度一定的情况下,研究了估计量随傅里叶系数增加的渐近性质。
2009-06-23 math.PR math.ST stat.TH
Strength of Connections in a Random Graph: Definition, Characterization, and Estimation
随机图的联结的“亲和度”或“强度”如何刻画和完备表示?如何为图形数据开发傅立叶和逆傅立叶变换之类的概念?为此,我们引入了一个新的图论函数,称为“图相关密度场”(或简称GraField),它不同于传统的边缘概率密度为基础的方法,完全表征图节点之间的联系强度。我们的方法进一步允许频域分析,适用于有向和无向随机图。
2015-12-09 math.ST stat.ME stat.TH
Network Tomography: Identifiability and Fourier Domain Estimation
网络层析成像的统计问题是从测量模型$\mathbf{Y}=A\mathbf{X}$推断具有相互独立的分量的$\mathbf{X}$的分布,其中$A$是表示所考虑的网络的路由拓扑的给定二进制矩阵。挑战在于$\mathbf{X}$的维数比$\mathbf{Y}$的维数大得多,因此该问题通常被称为不适定。本文研究了网络断层扫描的一些统计问题。首先,我们解决了可识别性问题,并证明了$\mathbf{X}$分布是可识别的,在温和的条件下的移位参数。然后,我们使用的混合模型的特征函数,推导出一个快速算法估计的分布$\mathbf{X}$的基础上的一般方法的矩。通过广泛的模型仿真和真实的互联网跟踪驱动的仿真,所提出的方法被证明是有利的,相比以前的方法,使用简单的离散化推断链路延迟在异构网络。
2007-12-21 math.ST stat.AP stat.CO