統計的推論のための尤度保存埋め込み

この論文は、現代の機械学習埋め込みの重要な制限、つまり古典的な尤度に基づく統計的推論との非互換性に対処しています。仮説検定、信頼区間の構築、モデル選択に必要な幾何学的構造を保持する埋め込みを作成するための新しいフレームワークを提案しています。尤度比歪みメトリックとHinge定理の導入は、尤度保存埋め込みの厳密な基盤を提供する重要な理論的貢献です。モデルクラス固有の保証に焦点を当て、ニューラルネットワークを近似十分統計量として使用することは、これらの目標を達成するための実際的なアプローチを強調しています。実験的検証と分散臨床推論への応用は、この研究の潜在的な影響を示しています。

• •尤度を保持する埋め込みを作成するための新しいフレームワークを紹介。
• •尤度比歪みメトリックとHinge定理による厳密な理論的基盤を提供。
• •実用的な適用性のために、モデルクラス固有の保証に焦点を当てています。
• •分散臨床推論における応用の可能性を示しています。