PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.29665v1stat.ML

Adjusted Wasserstein distances for bridging empirical and true distributions with applications to MDS

Max-D-SW(Max-D-Sliced Wasserstein)는 기존 Max-Sliced Wasserstein 거리를 단일 방향 최적화에서 정규직교 기저(orthonormal basis) 전체로 확장한 측도로, 특히 중꼬리 분포(heavy-tailed distribution)에서 다차원 척도법(MDS)의 패턴 인식 성능을 크게 향상시킨다. 또한 표본 복잡도(sample complexity) 이론적 분석을 통해 Max-D-SW가 통계적으로 다루기 쉬움을 증명하는 한편, 더 나은 표본 복잡도가 MDS 성능 향상으로 직접 이어지지는 않음을 보인다.

arXiv:2511.08307v2stat.ML

블랙박스 생성 모델의 응답 기반 벡터 임베딩에 대한 집중 부등식

Concentration bounds on response-based vector embeddings of black-box generative models

Data Kernel Perspective Space 임베딩을 통해 블랙박스 생성 모델 집합의 표본 벡터 임베딩에 대한 고확률 집중 부등식(concentration bounds)을 확립하여, 모집단 수준의 임베딩을 원하는 정확도로 근사하는 데 필요한 최소 표본 응답 수를 이론적으로 규명한다. 이 연구에서 사용된 대수적 도구는 비유사도에 노이즈가 포함된 일반적인 고전적 다차원 척도법(Classical Multidimensional Scaling) 임베딩의 집중 부등식 도출에도 활용될 수 있다.