Conditional independence testing, two sample comparison and density estimation using neural networks

Detalhes bibliográficos
Autor(a) principal: Inácio, Marco Henrique de Almeida
Data de Publicação: 2020
Tipo de documento: Tese
Idioma: eng
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-21082020-094639/
Resumo: Given the vast amount of data available nowadays and the rapid increase of computational processing power, the field of machine learning and the so called algorithmic modeling have seen a recent surge in its popularity and applicability. One of the tools which has attracted great popularity is artificial neural networks due, to among other things, their versatility, ability to capture complex relations and computational scalability. In this work, we therefore apply such machine learning tools into three important problems of Statistics: two-sample comparison, conditional independence testing and conditional density estimation.
id USP_8d8b07676fbf2767326c10a30aa35737
oai_identifier_str oai:teses.usp.br:tde-21082020-094639
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Conditional independence testing, two sample comparison and density estimation using neural networksEstimação de densidades e medidas de importância usando redes neuraisAprendizado de máquinaArtificial neural networksComparação de populaçõesConditional density estimationConditional independence testingEstimação de densidade condicionalMachine learningRedes neurais artificiaisTeste de independência condicionalTwo-sample comparisonGiven the vast amount of data available nowadays and the rapid increase of computational processing power, the field of machine learning and the so called algorithmic modeling have seen a recent surge in its popularity and applicability. One of the tools which has attracted great popularity is artificial neural networks due, to among other things, their versatility, ability to capture complex relations and computational scalability. In this work, we therefore apply such machine learning tools into three important problems of Statistics: two-sample comparison, conditional independence testing and conditional density estimation.Dada a grande quantidade de dados disponíveis nos dias de hoje e o rápido aumento da capacidade de processamento computacional, o campo de aprendizado de máquina e a assim chamada modelagem algorítmica tem visto um grande surto de popularidade e aplicabilidade. Uma das ferramentas que atraíram grande popularidade são as redes neurais artificiais dada, entre outras coisas, sua versatilidade, habilidade de capturar relações complexas e sua escalabilidade computacional. Assim sendo, neste trabalho aplicamos estas ferramentas de aprendizado de máquina em três problemas importantes da Estatística: comparação de populações, teste de independência condicional e estimação de densidades condicionais.Biblioteca Digitais de Teses e Dissertações da USPIzbicki, RafaelInácio, Marco Henrique de Almeida2020-08-03info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/104/104131/tde-21082020-094639/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesseng2020-08-21T19:14:01Zoai:teses.usp.br:tde-21082020-094639Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212020-08-21T19:14:01Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Conditional independence testing, two sample comparison and density estimation using neural networks
Estimação de densidades e medidas de importância usando redes neurais
title Conditional independence testing, two sample comparison and density estimation using neural networks
spellingShingle Conditional independence testing, two sample comparison and density estimation using neural networks
Inácio, Marco Henrique de Almeida
Aprendizado de máquina
Artificial neural networks
Comparação de populações
Conditional density estimation
Conditional independence testing
Estimação de densidade condicional
Machine learning
Redes neurais artificiais
Teste de independência condicional
Two-sample comparison
title_short Conditional independence testing, two sample comparison and density estimation using neural networks
title_full Conditional independence testing, two sample comparison and density estimation using neural networks
title_fullStr Conditional independence testing, two sample comparison and density estimation using neural networks
title_full_unstemmed Conditional independence testing, two sample comparison and density estimation using neural networks
title_sort Conditional independence testing, two sample comparison and density estimation using neural networks
author Inácio, Marco Henrique de Almeida
author_facet Inácio, Marco Henrique de Almeida
author_role author
dc.contributor.none.fl_str_mv Izbicki, Rafael
dc.contributor.author.fl_str_mv Inácio, Marco Henrique de Almeida
dc.subject.por.fl_str_mv Aprendizado de máquina
Artificial neural networks
Comparação de populações
Conditional density estimation
Conditional independence testing
Estimação de densidade condicional
Machine learning
Redes neurais artificiais
Teste de independência condicional
Two-sample comparison
topic Aprendizado de máquina
Artificial neural networks
Comparação de populações
Conditional density estimation
Conditional independence testing
Estimação de densidade condicional
Machine learning
Redes neurais artificiais
Teste de independência condicional
Two-sample comparison
description Given the vast amount of data available nowadays and the rapid increase of computational processing power, the field of machine learning and the so called algorithmic modeling have seen a recent surge in its popularity and applicability. One of the tools which has attracted great popularity is artificial neural networks due, to among other things, their versatility, ability to capture complex relations and computational scalability. In this work, we therefore apply such machine learning tools into three important problems of Statistics: two-sample comparison, conditional independence testing and conditional density estimation.
publishDate 2020
dc.date.none.fl_str_mv 2020-08-03
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/104/104131/tde-21082020-094639/
url https://www.teses.usp.br/teses/disponiveis/104/104131/tde-21082020-094639/
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815257247052201984