過分散カウントデータに対する一般化ポアソン行列分解

Research Paper#Machine Learning, Matrix Factorization, Count Data, Overdispersion🔬 Research|分析: 2026年1月3日 08:53•
公開: 2025年12月31日 03:51
•
1分で読める
•ArXiv

分析

この論文は、過分散カウントデータを扱う際の、既存の非負値行列分解（NMF）モデル、特にポアソン分布と負の二項分布に基づくモデルの限界に対処しています。著者は、過分散をより柔軟に処理し、NMFの適用範囲をより広い範囲のカウントデータシナリオに拡張する、一般化ポアソン分布を使用した新しいNMFモデルを提案しています。主な貢献は、この新しいフレームワーク内でのパラメータ推定のための最尤推定アプローチの導入です。
引用・出典
原文を見る
"The paper proposes a non-negative matrix factorization based on the generalized Poisson distribution, which can flexibly accommodate overdispersion, and introduces a maximum likelihood approach for parameter estimation."
A
ArXiv2025年12月31日 03:51
* 著作権法第32条に基づく適法な引用です。
古い記事

LLM Inference Handbook

新しい記事

Coconut by Meta AI – Better LLM Reasoning with Chain of Continuous Thought?

関連分析

Research Paper

SpaceTimePilot：空間と時間の制御による生成ビデオレンダリング

2026年1月3日 06:10

Research Paper

量子カオスハミルトニアン進化におけるランダム性生成

2026年1月3日 06:10

Research Paper

GaMO：幾何学認識拡散を用いた疎視点3D再構成

2026年1月3日 06:32

原文: ArXiv