論文の概要: Conditional Sampling with Monotone GANs: from Generative Models to Likelihood-Free Inference

• arxiv url: http://arxiv.org/abs/2006.06755v3
• Date: Mon, 5 Jun 2023 23:53:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-08 00:27:55.861532
• Title: Conditional Sampling with Monotone GANs: from Generative Models to Likelihood-Free Inference
• Title（参考訳）: モノトンGANを用いた条件サンプリング:生成モデルから自由推論へ
• Authors: Ricardo Baptista, Bamdad Hosseini, Nikola B. Kovachki, Youssef Marzouk
• Abstract要約: ブロック三角トランスポートマップを用いた確率測定の条件付きサンプリングのための新しいフレームワークを提案する。 バナッハ空間におけるブロック三角輸送の理論的基礎を開発する。 次に, 単調生成逆数ネットワークと呼ばれる計算手法を導入し, 適切なブロック三角形写像を学習する。
• 参考スコア（独自算出の注目度）: 4.913013713982677
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a novel framework for conditional sampling of probability measures, using block triangular transport maps. We develop the theoretical foundations of block triangular transport in a Banach space setting, establishing general conditions under which conditional sampling can be achieved and drawing connections between monotone block triangular maps and optimal transport. Based on this theory, we then introduce a computational approach, called monotone generative adversarial networks (M-GANs), to learn suitable block triangular maps. Our algorithm uses only samples from the underlying joint probability measure and is hence likelihood-free. Numerical experiments with M-GAN demonstrate accurate sampling of conditional measures in synthetic examples, Bayesian inverse problems involving ordinary and partial differential equations, and probabilistic image in-painting.
• Abstract（参考訳）: ブロック三角トランスポートマップを用いた確率測定の条件付きサンプリングのための新しいフレームワークを提案する。 我々は,バナッハ空間におけるブロック三角輸送の理論的基礎を構築し,条件付きサンプリングを実現するための一般的な条件を確立し,モノトンブロック三角写像と最適輸送の間の接続を描画する。 この理論に基づいて, 単調生成逆数ネットワーク (M-GAN) と呼ばれる計算手法を導入し, 適切なブロック三角形写像を学習する。 我々のアルゴリズムは、基礎となるジョイント確率測定のサンプルのみを使用し、したがって確率のない。 m-ganを用いた数値実験では、合成例における条件付測度の正確なサンプリング、通常の偏微分方程式を含むベイズ逆問題、およびペイント中の確率的イメージが示されている。

関連論文リスト

• Dynamic Conditional Optimal Transport through Simulation-Free Flows [12.976042923229466]
  我々は条件最適輸送(COT)の幾何学を研究し、ベナモ・ブレニエ定理を一般化する動的定式化を証明した。 条件付き生成モデルのためのシミュレーション不要なフローベース手法を提案する。
  論文  参考訳（メタデータ） (2024-04-05T17:41:52Z)
• Conditional Optimal Transport on Function Spaces [53.9025059364831]
  ブロック三角形モンジュ写像を記述した制約付き最適輸送問題の理論を開発する。 これは、一般的なコスト関数を持つ分離可能な無限次元函数空間への最適三角輸送の理論を一般化する。 本稿では,機能パラメータの非道徳的および可能性のない推論に対する理論的結果の計算的適用性を示す数値実験を行う。
  論文  参考訳（メタデータ） (2023-11-09T18:44:42Z)
• A generative flow for conditional sampling via optimal transport [1.0486135378491266]
  本研究は、参照サンプルを対象に反復的にマッピングする非パラメトリック生成モデルを提案する。 このモデルは、対象分布の条件を特徴付けるためにコンポーネントが示されるブロック三角形輸送マップを使用する。 これらのマップは、L2$コスト関数を重み付けした最適輸送問題の解法から生じ、条件付きサンプリングのための[Trigila and Tabak, 2016]におけるデータ駆動アプローチを拡張した。
  論文  参考訳（メタデータ） (2023-07-09T05:36:26Z)
• Gauge-equivariant flow models for sampling in lattice field theories with pseudofermions [51.52945471576731]
  本研究は,フェルミオン行列式の推定器として擬フェルミオンを用いたフェルミオン格子場理論におけるフローベースサンプリングのためのゲージ不変アーキテクチャを提案する。 これは最先端の格子場理論計算におけるデフォルトのアプローチであり、QCDのような理論へのフローモデルの実践的応用に欠かせない。
  論文  参考訳（メタデータ） (2022-07-18T21:13:34Z)
• Continuous and Distribution-free Probabilistic Wind Power Forecasting: A Conditional Normalizing Flow Approach [1.684864188596015]
  条件正規化フロー(CNF)に基づく確率的風力予測のためのデータ駆動型手法を提案する。 既存の手法とは対照的に、このアプローチは(非パラメトリックおよび量子的アプローチのように)分布自由であり、連続確率密度を直接生成することができる。
  論文  参考訳（メタデータ） (2022-06-06T08:48:58Z)
• Near-optimal estimation of smooth transport maps with kernel sums-of-squares [81.02564078640275]
  滑らかな条件下では、2つの分布の間の正方形ワッサーシュタイン距離は、魅力的な統計的誤差上界で効率的に計算できる。 生成的モデリングのような応用への関心の対象は、基礎となる最適輸送写像である。 そこで本研究では,地図上の統計的誤差であるL2$が,既存のミニマックス下限値とほぼ一致し,スムーズな地図推定が可能となる最初のトラクタブルアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-12-03T13:45:36Z)
• Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
  ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。 本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。 本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
  論文  参考訳（メタデータ） (2021-02-04T02:21:08Z)
• Comparing Probability Distributions with Conditional Transport [63.11403041984197]
  新しい発散として条件輸送(CT)を提案し、償却されたCT(ACT)コストと近似します。 ACTは条件付き輸送計画の計算を補正し、計算が容易な非バイアスのサンプル勾配を持つ。 さまざまなベンチマークデータセットのジェネレーティブモデリングでは、既存のジェネレーティブ敵対ネットワークのデフォルトの統計距離をACTに置き換えることで、一貫してパフォーマンスを向上させることが示されています。
  論文  参考訳（メタデータ） (2020-12-28T05:14:22Z)
• On the representation and learning of monotone triangular transport maps [1.0128808054306186]
  滑らかな関数による単調三角写像を表現するための枠組みを提案する。 本稿では,この枠組みを接合密度推定や条件密度推定にどのように適用できるかを示す。 このフレームワークは、様々なサンプルサイズで安定した性能を持つ、可能性のない推論モデルに適用することができる。
  論文  参考訳（メタデータ） (2020-09-22T03:41:45Z)
• Distributed, partially collapsed MCMC for Bayesian Nonparametrics [68.5279360794418]
  ディリクレ法やベータ・ベルヌーリ法のようなモデルでよく用いられる完全無作為測度は独立な部分測度に分解可能であるという事実を利用する。 この分解を用いて、潜在測度を、インスタンス化された成分のみを含む有限測度と、他のすべての成分を含む無限測度に分割する。 得られたハイブリッドアルゴリズムは、収束保証を犠牲にすることなくスケーラブルな推論を可能にすることができる。
  論文  参考訳（メタデータ） (2020-01-15T23:10:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。