Zobrazeno 1 - 10
of 822
pro vyhledávání: '"SASAKI, Hiroaki"'
Autor:
Sasaki, Hiroaki
Identifiability of statistical models is a key notion in unsupervised representation learning. Recent work of nonlinear independent component analysis (ICA) employs auxiliary data and has established identifiable conditions. This paper proposes a sta
Externí odkaz:
http://arxiv.org/abs/2405.19760
Publikováno v:
In Journal of Biological Chemistry September 2024 300(9)
Autor:
Sasaki, Hiroaki, Mino, Kazuo
Publikováno v:
In International Review of Economics and Finance July 2024 94
Autor:
Sasaki, Hiroaki, Takenouchi, Takashi
Contrastive learning is a recent promising approach in unsupervised representation learning where a feature representation of data is learned by solving a pseudo classification problem from unlabelled data. However, it is not straightforward to under
Externí odkaz:
http://arxiv.org/abs/2101.02083
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Nonlinear independent component analysis (ICA) is a general framework for unsupervised representation learning, and aimed at recovering the latent variables in data. Recent practical methods perform nonlinear ICA by solving a series of classification
Externí odkaz:
http://arxiv.org/abs/1911.00265
Modal regression is aimed at estimating the global mode (i.e., global maximum) of the conditional density function of the output variable given input variables, and has led to regression methods robust against heavy-tailed or skewed noises. The condi
Externí odkaz:
http://arxiv.org/abs/1910.08280