伯恩哈德·舍尔科夫;克雷卡莫尔·穆安德特;Kenji Fukumizu;斯特凡·哈梅林;乔纳斯·彼得斯 通过再生核Hilbert空间表示计算随机变量的函数。 （英语） Zbl 1331.62206号 统计计算。 25，第4期，755-766（2015）. 摘要：我们描述了一种对随机变量的概率分布进行函数运算的方法。该方法使用概率分布的再生核Hilbert空间表示，适用于可应用于从相应分布中提取的点的所有操作。我们将我们的方法称为核概率规划我们在合成数据上进行了说明，并展示了如何将其用于非参数结构方程模型，以及因果推理的应用。 引用于4文件 MSC公司： 62G05型 非参数估计 60F05型 中心极限和其他弱定理 62小时99 多元分析 60层25 \（L^p\）-极限定理 90立方厘米15 随机规划 关键词：内核方法;概率规划;因果推理 软件：帕卡尔 PDF格式BibTeX公司 XML格式引用 \textit{B.Schölkopf}等人，《统计计算》。25，第4号，755--766（2015；Zbl 1331.62206） 全文： 内政部 arXiv公司 参考文献： [1] 巴赫，F.R.，乔丹，M.I.：内核独立成分分析。J.马赫。学习。决议3，1-48（2002）·兹比尔1088.68689 [2] Berlinet，A.，Agnan，T.C.：在概率和统计中再现核Hilbert空间。Kluwer学术出版社，波士顿（2004）·Zbl 1145.6202号 ·doi:10.1007/978-1-4419-9096-9 [3] Boser，B.E.，Guyon，I.M.，Vapnik，V.N.：最佳边缘分类器的训练算法。摘自：第五届计算学习理论年度研讨会论文集。1992年版，第144-152页。ACM，纽约（1992）·Zbl 1242.60005号 [4] Cassel，J.：随机记忆概率规划：实现非参数贝叶斯推理。数学。J.16（2014）。doi:10.3888/tmj.16-1 [5] 爱泼斯坦：梅林变换在统计学中的一些应用。安。数学。《美国联邦法律大全》第19卷第3页，第370-379页（1948年）·Zbl 0032.29203号 ·doi:10.1214/aoms/1177730201 [6] Ferson，S.：蒙特卡洛方法不能做的事。风险评估：《国际期刊》2（4），990-1007（1996）。doi:10.1080/10807039609383659·doi:10.1080/10807039609383659 [7] Fukumizu，K.，Bach，F.，Jordan，M.I.：回归中的核维数减少。Ann.Stat.37（4），1871-1905（2009）·Zbl 1168.62049号 ·doi:10.1214/08-AOS637 [8] Fukumizu，K。；格雷顿，A。；太阳，X。；Schölkopf，B。；Platt，JC（编辑）；Koller，D.（编辑）；辛格，Y.（编辑）；Roweis，S.（ed.），条件依赖的核心度量，第20期，489-496（2008），红钩 [9] Fukumizu，K.，Song，L.，Gretton，A.：核贝叶斯规则：具有正定核的贝叶斯推理。J.马赫。学习。第14号决议，3753-3783（2013）·Zbl 1318.62131号 [10] Gordon，A.D.，Henzinger，T.A.，Nori，A.V.，Rajamani，S.K.：概率编程。参加：软件工程国际会议（ICSE，FOSE轨道）（2014年）·Zbl 1009.62029号 [11] Gretton，A.，Borgwardt，K.M.，Rasch，M.J.，Schölkopf，B.，Smola，A.：内核双样本测试。J.马赫。学习。第13723-7773号决议（2012年）·Zbl 1283.62095号 [12] Gretton，A.，Bousquet，O.，Smola，A.J.，Schölkopf，B.：使用Hilbert-Schmidt规范测量统计相关性。摘自：Jain，S.、Simon，H.U.、Tomita，E.（编辑）《算法学习理论：第16届国际会议》，第63-78页。柏林施普林格出版社（2005）·Zbl 1168.62354号 [13] 格雷顿，A。；斯莫拉，AJ；黄，J。；Schmittfull，M。；Borgwardt，K。；Schölkopf，B。；坎德拉，JQ（编辑）；Sugiyama，M.（编辑）；Schwaighofer，A.（编辑）；Lawrence，ND（编辑），通过核均值匹配进行协变量移位，131-160（2009），剑桥 [14] Harmeling，S.，Hirsch，M.，Schlkopf，B.：关于核平均映射和夫琅和费衍射之间的联系，以及超出衍射极限的超分辨率应用。载于：CVPR，第1083-1090页。IEEE（2013）·Zbl 1318.68151号 [15] Hofmann，T.、Schölkopf，B.、Smola，A.J.：机器学习中的内核方法。Ann.Stat.36（3），1171-1220（2008）·Zbl 1151.30007号 [16] 黄，J。；Smola，A。；格雷顿，A。；Borgwardt，K。；Schölkopf，B。；Schölkopf，B.（编辑）；Platt，J.（编辑）；Hoffman，T.（编辑），用未标记数据校正样本选择偏差，601-608（2007），剑桥 [17] James，W.，Stein，C.：二次损失估计。程序。伯克利第四交响乐团。数学。统计师。探针。361-379 (1961) ·Zbl 1281.62026号 [18] Jaroszewicz，S.，Korzen，M.：独立随机变量的算术运算：数值方法。SIAM J.科学。计算。34（3），A1241-A1265（2012）·Zbl 1260.65010号 ·doi:10.1137/110839680 [19] Kanagawa，M.，Fukumizu，K.：从高斯RKHS嵌入中恢复分布。收录于：JMLR W&CP 33（AISTATS 2014年公报），第457-465页。(2014) ·Zbl 0144.40701号 [20] Kpotufe，S.，Sguritsa，E.，Janzing，D.，Schölkopf，B.：加性噪声模型下因果推理的一致性。In:ICML（2014）·兹比尔1318.62131 [21] Lopez-Paz，D.，Muandet，K.，Schölkopf，B.，Tolstikhin，I.：走向因果推理的学习理论。摘自：《第32届机器学习国际会议论文集》，JMLR:W&CP，法国里尔，出版社（2015） [22] Milios，D.：作为程序变量的概率分布。爱丁堡大学信息学院硕士论文（2009）·Zbl 1168.62049号 [23] Mooij，J.M.、Peters，J.、Janzing，D.、Zscheischler，J.和Schölkopf，B.：使用观测数据区分因果：方法和基准。arXiv:1412.3773（2014）。2015年1月18日访问·Zbl 1360.68700号 [24] Muandet，K.，Balduzzi，D.，Schölkopf，B.：通过不变特征表示进行领域泛化。收录于：ICML，第10-18页（2013年）·Zbl 1088.68689号 [25] 穆安德，K。；Fukumizu，K。；迪努佐，F。；Schölkopf，B。；Bartlett，P.（编辑）；Pereira，F.（编辑）；Burges，C.（编辑）；Bottou，L.（编辑）；Weinberger，K.（编辑），《通过支持测量机从分布中学习》，10-18（2012），Red Hook [26] Muandet，K.，Fukumizu，K.、Sriperumbudur，B.、Gretton，A.、Schölkopf，B.：核平均值估计和Stein效应。收录人：Xing，E.P.，Jebara，T.（编辑）。第31届机器学习国际会议记录，JMLR W&CP，第32卷。（2014年a）·兹比尔1360.62134 [27] Muandet，K.，Sriperumbudur，B.，Schölkopf，B.：通过谱滤波进行核平均估计。收录：Ghahramani，Z.，Welling，M.，Cortes，C.，Lawrence，N.，Weinberger，K.（编辑）《神经信息处理系统进展》，第27卷。Curran Associates Inc.（2014年b） [28] Paige，B.，Wood，F.：概率编程语言的编译目标。收录：机器学习研究杂志；ICML 2014，第1935-1943页（2014） [29] Pearl，J.：《因果关系：模型、推理和推断》，第2版。剑桥大学出版社，纽约（2009）·Zbl 1188.68291号 ·doi:10.1017/CBO9780511803161 [30] Peters，J.，Mooij，J.、Janzing，D.、Schölkopf，B.：连续加性噪声模型的因果发现。J.马赫。学习。2009-2053年第15号决议（2014年）·Zbl 1318.68151号 [31] Prasad，R.D.：独立随机变量代数函数的概率分布。SIAM J.应用。数学。18(3), 614-626 (1970) ·Zbl 0221.60007号 ·doi:10.1137/0118054 [32] Rahimi，A.，Recht，B.：大型内核机器的随机特性。摘自：Platt，J.、Koller，D.、Singer，Y.、Roweis，S.（编辑）《神经信息处理系统进展》，第20卷，第1177-1184页。Curran Associates，Inc.（2007年） [33] Schölkopf，B.，Platt，J.C.，Shawe-Taylor，J.C.、Smola，A.J.、Williamson，R.C.：估计高维分布的支持。神经计算。13(7), 1443-1471 (2001) ·Zbl 1009.62029号 ·doi:10.1162/089976601750264965 [34] Schölkopf，B.，Smola，A.J.：用内核学习。麻省理工学院出版社，马萨诸塞州剑桥，美国（2002）·Zbl 1019.68094号 [35] Shawe-Taylor，J.，Cristianini，N.：模式分析的核心方法。剑桥大学出版社，剑桥（2004）·Zbl 0994.68074号 ·doi:10.1017/CBO9780511809682 [36] Smola，A.，Gretton，A.，Song，L.，Schölkopf，B.：分布的希尔伯特空间嵌入。In：程序。算法学习理论，第13-31页。Springer-Verlag（2007）·兹比尔1142.68407 [37] Song，L.：通过分布的希尔伯特空间嵌入进行学习。悉尼大学信息技术学院博士论文（2008年） [38] Song，L.，Boots，B.，Siddiqi，S.M.，Gordon，G.，Smola，A.J.：隐藏马尔可夫模型的希尔伯特空间嵌入。摘自：第27届国际机器学习会议（ICML）会议记录（2010年） [39] Song，L.，Gretton，A.，Bickson，D.，Low，Y.，Guestrin，C.：核心信念传播。附：第十四届国际人工智能与统计会议（AISTATS）会议记录（2011年） [40] Song，L.，Huang，J.，Smola，A.，Fukumizu，K.：条件分布的Hilbert空间嵌入及其在动力系统中的应用。In:ICML（2009） [41] Song，L.，Zhang，X.，Smola，A.J.，Gretton，A.，Schölkopf，B.：通过再生核矩匹配定制密度估计。收录人：Cohen，W.W.，McCallum，A.，Roweis，S.（编辑）。载：《第25届国际机器学习大会论文集》，第992-999页。纽约ACM出版社（2008）·Zbl 1260.65010号 [42] Springer，M.：随机变量代数，概率和数理统计中的威利级数。霍博肯·威利（1979）·Zbl 0399.60002号 [43] Springer，M.D.，Thompson，W.E.：独立随机变量乘积的分布。SIAM J.应用。数学。14(3), 511-526 (1966) ·Zbl 0144.40701号 ·数字对象标识代码：10.1137/0114046 [44] Sriperumbudur，B.K.，Gretton，A.，Fukumizu，K.，Lanckriet，G.，Schölkopf，B.：概率测度的内射希尔伯特空间嵌入。参加：第21届学习理论年会（COLT）（2008）·Zbl 1242.60005号 [45] Sriperumbudur，B.K.，Gretton，A.，Fukumizu，K.，Schölkopf，B.，Lanckriet，G.：希尔伯特空间嵌入和概率度量。J.马赫。学习。第99号决议，1517-1561（2010年）·Zbl 1242.60005号 [46] Steinwart，I.：关于核对支持向量机一致性的影响。J.马赫。学习。第2号决议，67-93（2002年）·Zbl 1009.68143号 [47] Steinwart，I.，Christmann，A.：支持向量机。施普林格，纽约（2008）·Zbl 1203.68171号 [48] Szabó，Z.，Gretton，A.，Póczos，B.，Sriperumbudur，B.：关于分布的两阶段抽样学习理论。arXiv:1402.1754（2014）。2015年1月18日访问·兹比尔1392.62124 [49] 威廉姆森，R.C.：概率算术。澳大利亚昆士兰圣卢西亚昆士兰大学电气工程系博士论文（1989年） [50] Wood，F.、van de Meent，J.W.、Mansinghka，V.：概率规划推断的新方法。摘自：《第17届国际人工智能与统计会议记录》，JMLR:W&CP，第33卷。冰岛雷克雅未克（2014） [51] Zhang，K.，Peters，J.，Janzing，D.，Schölkopf，B.：基于核的条件独立性测试及其在因果发现中的应用。收录：Cozman，F.，Pfeffer，A.（编辑）。参见：第27届人工智能不确定性会议（UAI 2011），第804-813页。美国俄勒冈州科瓦利斯AUAI出版社（2011） 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。