Information Geometry and Statistical Manifold
我们回顾了信息几何领域的基本概念,如统计流形上的Fisher度量,$α$ -连接和相应的曲率。我们展示了信息几何在渐近统计推断中的应用。
2014-10-09 math.DG math.PR math.ST
Density Estimation on Compact Manifolds under Intrinsic Spectral Block Variation
ESSEC Business School(欧洲高等商业学院);HSE University(莫斯科国立高等经济学院)
该研究针对紧致连通黎曼流形上的非参数密度估计,提出内在谱块变分模型,构造坐标无关的块收缩估计器与块惩罚指数谱筛,建立相关风险界,得到尊重几何且与特征基无关的稀疏密度估计理论。
2026-08-14 math.FA math.ST stat.TH
Projection based dimensionality reduction for measure valued evolution equations in statistical manifolds
本文提出了一种对无限维测度值发展方程(如Fokker-Planck偏微分方程或Kushner-Stratonovich方程)进行降维的方法. Duncan-Mortensen-Zakai非线性滤波的随机偏微分方程,在信号处理、定量金融、热流和量子理论等许多领域具有潜在的应用。我们的方法是基于投影来自一个对偶参数建立在指数统计流形结构G。Pistone和其他作者。选择的有限维流形上的一个应该项目的无限维方程是至关重要的,我们提出了有限维指数和混合家庭。D. Brigo和合著者,但$L^2$结构的空间上的平方根的密度或密度本身被使用,没有采取无限维流形环境空间的方程被投影。在这里,我们重新审视这样的作品从指数统计流形的角度来看,这使得更深层次的几何理解的流形结构在发挥作用。我们还表明,在指数流形结构的投影是一致的Fisher Rao度量,在有限维指数家庭的情况下,与假设的密度近似。进一步,我们证明了如果有限维指数族的充分统计量是在后向扩散算子的本征函数中选取的,那么投影流形或Fisher-Rao投影提供了Fokker-Planck方程解的极大似然估计.最后,我们试图澄清如何有限维和无限维术语指数和混合空间。
2016-10-26 math.PR math.ST stat.TH
A Tractable Pseudo-Metric on Non-Parametric Exponential Statistical Manifolds via SPD Geometry
Indian Institute of Space Science and Technology (IIST)(印度空间科学与技术学院)
研究非参数统计流形上概率分布距离难计算问题,提出两阶段框架,先投影到有限维参数指数族,再嵌入对称正定矩阵流形,得到可计算伪度量及仿射不变检验统计量,应用于两样本检验,无需连续调整参数。
2026-07-14 math.DG math.ST stat.TH
Solution manifold and Its Statistical Applications
解流形是$d$维空间中满足具有$s<d$的$s$方程组的点的集合。解流形出现在几个统计问题中,包括假设检验、曲指数族、约束混合模型、部分识别和非参数集估计。我们从理论上和算法上分析了解流形。在理论上,我们得到了五个有用的结果:光滑性定理,稳定性定理(它包含了插入估计的一致性),梯度流的收敛性,局部中心流形定理和梯度下降算法的收敛性。为了在数值上逼近解流形,我们提出了一种蒙特卡罗梯度下降算法。在似然推断的情况下,我们设计了一个流形约束最大化过程来找到流形上的最大似然估计。我们还开发了一种方法来近似解流形上定义的后验分布。
2021-12-07 cs.CG math.ST stat.CO
Principal bundles over statistical manifolds
本文引入了统计流形上主丛的概念。在对信息几何和流形上的主丛作了必要的讨论之后,通过给出几何结构,研究了统计流形上标架丛关于$α$ -联络的$α$ -结构.最后给出了一维正态分布流形的应用和具体例子。
2014-04-28 math.DG stat.OT
Optimal Recovery Meets Minimax Estimation
本文解决了现有极小化极大速率未仔细考虑噪声水平依赖的问题,确定了Besov类在$L_q$-范数误差下的噪声水平感知(NLA)极小化极大速率,实现了与最优恢复速率的调和。
2025-05-28 cs.NA math.NA math.ST
Adaptive Supremum Norm Posterior Contraction: Wavelet Spike-and-Slab and Anisotropic Besov Spaces
在统计学中,上确界范数损失对函数估计误差的量化更有直观意义。在误差未知的多元非参数回归的背景下,我们提出了一个贝叶斯过程的基础上的尖峰和板条先验和小波投影估计的回归函数和所有的混合偏导数。我们证明了它们的后验分布在上模损失下最优地自适应地收缩到真值。在贝叶斯非参数化理论中,通过指数误差检验的主定理不足以处理这个问题,我们提出了一种新的思想,将回归模型下的后验系统地简化为由准白噪声模型产生的后验,后者大大简化了我们的速率计算。因此,本文采取的第一步,明确显示如何可以将结果从白噪声回归模型在贝叶斯设置。
2018-06-27 math.ST stat.TH
A Genetic Algorithm-based Framework for Learning Statistical Power Manifold
Purdue University(普渡大学);University of Maryland, Baltimore County(马里兰大学巴尔的摩郡分校);University of Missouri(密苏里大学)
统计功效是分类假设检验的可重复性的度量。形式上,它是检测到效应的概率,如果在群体中存在真实效应。因此,优化统计功效作为假设检验的一些参数的函数是期望的。然而,对于大多数假设检验,单个模型参数的统计功效的显式函数形式是未知的;但是使用模拟实验可以计算这些参数的给定值集的功效。这些模拟实验通常在计算上是昂贵的。因此,使用模拟开发整个统计功效流形可能非常耗时。我们提出了一种新的基于遗传算法的框架学习统计功效流形。对于多元线性回归$F$ -测试,我们表明,所提出的算法/框架学习的统计功效流形快得多相比,蛮力的方法,查询的数量的权力预言显着减少。我们还表明,学习流形的质量提高的遗传算法的迭代次数的增加。当研究人员对感兴趣的主要效应量的先验最佳猜测或非主要效应的抽样变异性如何影响主要效应的功效几乎没有信息时,这些工具可用于评估统计功效权衡。
2023-02-19 cs.LG cs.NE stat.CO
Categorical Flow Matching on Statistical Manifolds
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Peking University(北京大学)
统计流匹配通过几何视角在统计流形上实现精确似然计算,提升复杂模式学习能力。
2025-11-25 cs.LG stat.ML
On a convergence property of a geometrical algorithm for statistical manifolds
National Institute of Advanced Industrial Science and Technology(国立先进工业科学技术研究所);RIKEN Center for Advanced Intelligence Project(理化学研究所先进智能项目中心);The Institute of Statistical Mathematics(统计数学研究所);Waseda University(早稻田大学)
在本文中,我们研究了一个几何投影算法的统计推断。该算法是基于勾股关系,它是衍生的自由,以及表示自由,这是有用的非参数的情况下。我们推导出一个学习率的界,以保证局部收敛。在m-混合和e-混合估计问题的特殊情况下,我们计算了具体形式的界,可以很容易地在实践中使用。
2019-09-27 cs.LG stat.ML
Kernel and wavelet density estimators on manifolds and more general metric spaces
我们考虑在经典或非经典空间,如流形和更一般的度量空间中取值的观测密度估计问题。我们的设置是相当普遍的,但也足够丰富,允许发展顺利的谓词演算以及本地化的谱内核,Besov正则空间,小波型系统。介绍和研究了核估计、线性和非线性小波密度估计。这些估计的收敛速度的建立,这是类似于现有的结果,在经典的设置实值变量。
2019-02-09 math.PR math.ST stat.TH
Posterior Contraction Rates for Sparse Kolmogorov-Arnold Networks in Anisotropic Besov Spaces
Department of Statistics, Seoul National University(首尔国立大学统计系);Department of Statistics, Inha University(inha大学统计系);Department of Mathematics, University of Maryland(马里兰大学数学系)
本文从贝叶斯视角研究稀疏Kolmogorov-Arnold网络在各向异性Bessel空间中的后验收缩率,证明其可达到近最优收缩率,并通过固定网络深度和控制复杂度实现高效建模。
2026-11-11 cs.LG math.ST stat.ML
Statistical inference for intrinsic wavelet estimators of SPD matrices in a log-Euclidean manifold
本文讨论对数欧氏流形上对称正定矩阵曲线的内禀小波估计的统计推断。该估计量保持了正定性,并具有置换等方差性,这对于协方差阵尤其重要。我们的第二代小波估计是基于平均插值,并允许相同的强大的属性,包括快速算法,已知的非参数曲线估计与小波在标准的欧几里德设置。我们工作的核心是我们的高级别小波估计在非欧几何的置信集的命题。我们得到了这个估计量的渐近正态性,包括它的渐近方差的显式表达式。这打开了大门,构建渐近置信区域,我们与我们提出的自举推理方案进行比较。详细的数值模拟证实了我们建议的推理方案的适当性。
2022-02-14 stat.ME
Dual Riemannian Newton Method on Statistical Manifolds
National Institute of Informatics(信息学研究所);The Institute of Statistical Mathematics(统计数学研究所);The Graduate University for Advanced Studies, SOKENDAI(高级研究院)
针对现有流形优化方法未利用信息几何对偶联络结构、收敛慢的问题,提出对偶黎曼牛顿法,证明其局部二次收敛性,通过实验验证其兼具二阶效率与对偶结构兼容性。
2025-11-14 stat.CO stat.ML
General empirical Bayes wavelet methods and exactly adaptive minimax estimation
在许多统计问题中,随机信号可以表示为一个序列的噪声小波系数。本文发展了用于真信号估计的一般经验贝叶斯方法。我们的估计近似某些甲骨文可分离的规则,并实现适应理想的风险和确切的极大极小风险的广泛收集类的信号。特别地,我们的估计在Besov球上同时对可分离估计的最小风险和精确Minimax风险是一致自适应的,并且在Besov空间中具有有限次形状参数的紧集上,我们的估计在收敛速度上是一致超有效的.此外,在类之间嵌套的Besov球相同的平滑指数,我们的估计占主导地位的阈值和詹姆斯-斯坦估计在极小极大风险的无穷小部分。更一般的块经验贝叶斯估计。考虑了漂移白噪声和非参数回归。
2005-04-25 math.ST stat.TH
The two-sample problem for Poisson processes: adaptive tests with a non-asymptotic wild bootstrap approach
考虑两个独立的泊松过程,我们解决的问题,测试其各自的强度相等。我们首先提出了基于一般核函数的检验统计量为U-统计量的单次测试。相应的临界值是从一个非渐近的野生自助法,导致水平α检验。核函数的各种选择是可能的,包括投影、近似或再现核。在这最后一种情况下,我们得到一个参数率的测试弱度量定义在RKHS与考虑再生核。然后,我们介绍,在其他情况下,聚合过程,这使我们能够导入来自模型选择,阈值和/或近似核自适应估计的想法。证明了所得的多重检验是α水平的,并且满足经典L2-范数的非渐近预言型条件.从这些条件,我们推断,他们是自适应的极大极小意义上的各种类的替代品的基础上的经典和弱Besov机构在单变量的情况下,但也Sobolev和各向异性Nikolskiii-Besov球在多变量的情况下。
2012-11-13 math.ST stat.TH
Applications of Structural Statistics: Geometric Inference in Exponential Families
指数族包括一大类统计模型和参数族,如正态分布、二项分布、Γ分布或指数分布。因此,它的概率分布的形式表示诱导一个有限的内在结构,这似乎是一个双平坦的统计流形。相反,可以证明,任何由正则Bregman发散给出的对偶平坦统计流形唯一地诱导出正则指数族,使得指数族可以-在某些限制下-被视为对偶平坦统计流形的普适表示。本文从结构分层学的角度,对甘利俊一关于指数族的内禀结构的开创性工作进行了评述。
2020-06-20 math.ST stat.TH
Foundations of Structural Statistics: Statistical Manifolds
结构统计学的应用需要在一致的拓扑统计理论基础上对模型空间的邻近结构进行量化。研究这些结构的一个重要工具是伪黎曼度量,它在统计模型的范畴中由统计分歧引起。本文将拓扑统计模型的微分结构表示法推广到统计流形,并介绍了用微分几何、黎曼几何和辛几何研究分布族的微分几何基础。
2020-06-20 cs.IT math.IT math.ST
Riemannian Statistics for Any Type of Data
针对传统黎曼几何统计难以处理缺乏局部距离概念的一般数据的问题,本文提出可将黎曼统计推广至任意类型数据的新框架。
2024-05-10 math.ST stat.ME stat.TH
Nonparametric statistics on manifolds with applications to shape spaces
本文介绍流形上概率分布的统计分析的某些最新方法和一些新结果。这里详细考虑的一个重要示例是k-ads的2-D形状空间,包括$k$平面地标($k>2$)的所有配置-模平移、缩放和旋转。
2008-05-21 math.GT math.ST stat.AP
Lagrangian and Hamiltonian Mechanics for Probabilities on the Statistical Manifold
我们在概率分布的黎曼流形上给出了经典力学的信息几何公式,黎曼流形是一个具有对偶平坦连接的仿射流形。在一个非参数的形式主义,我们认为一个有限的样本空间上的正概率函数的完整的集合,我们提供了一个具体的表达的正切和余切空间的统计流形,在希尔伯特束结构,我们称之为统计束。在这种情况下,我们计算的速度和加速度的一维统计模型使用的典型的对偶对平行运输和定义一个连贯的形式主义的拉格朗日和哈密顿力学束。最后,在一系列的例子中,我们展示了我们的形式主义如何提供了一个一致的框架,加速自然梯度动力学的概率单纯形,铺平了道路,直接应用于优化,对策论和神经网络。
2022-08-25 cs.IT hep-th math.IT
On the minmax regret for statistical manifolds: the role of curvature
模型的复杂性在其选择中起着至关重要的作用,即通过选择适合数据并且简洁的模型。两部分代码和最小描述长度已经成功地提供了挑选最佳模型的程序,避免了过拟合。在这项工作中,我们追求这种方法,并通过在参数空间中执行进一步的假设来补充它。具体地说,我们假设参数空间是一个光滑流形,利用黎曼几何的工具,我们得到了一个比标准的随机复杂性更清晰的表达式,其中Fisher信息度量的数量曲率起着主导作用.此外,我们推导出一般统计流形的最小最大遗憾,并应用我们的结果,以获得最佳降维的背景下,主成分分析。
2020-07-06 cs.IT math.DG math.IT
Optimal transport natural gradient for statistical manifolds with continuous sample space
California Institute of Technology(加州理工学院)
该研究针对连续样本空间的参数统计模型,构建Wasserstein统计流形并推导自然梯度下降方法,证明其渐近性能接近牛顿法,通过多种分布模型验证了优化效果优于标准梯度下降。
2020-04-16 cs.IT cs.LG math.IT