Fugu-MT 論文翻訳(概要): Multi-marginal optimal transport and probabilistic graphical models

論文の概要: Multi-marginal optimal transport and probabilistic graphical models

arxiv url: http://arxiv.org/abs/2006.14113v1
Date: Thu, 25 Jun 2020 00:35:41 GMT
ステータス: 処理完了
システム内更新日: 2022-11-17 04:40:06.798069
Title: Multi-marginal optimal transport and probabilistic graphical models
Title（参考訳）: マルチマージ最適輸送と確率的グラフィカルモデル
Authors: Isabel Haasler, Rahul Singh, Qinsheng Zhang, Johan Karlsson, and Yongxin Chen
Abstract要約: 確率的グラフィカルモデルの観点から,マルチマージ最適輸送問題について検討する。最適輸送の基盤となるコストがグラフ構造を許容する場合、この2つの間のエレガントな接続が指摘される。
参考スコア（独自算出の注目度）: 15.16937009186805
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study multi-marginal optimal transport problems from a probabilistic graphical model perspective. We point out an elegant connection between the two when the underlying cost for optimal transport allows a graph structure. In particular, an entropy regularized multi-marginal optimal transport is equivalent to a Bayesian marginal inference problem for probabilistic graphical models with the additional requirement that some of the marginal distributions are specified. This relation on the one hand extends the optimal transport as well as the probabilistic graphical model theories, and on the other hand leads to fast algorithms for multi-marginal optimal transport by leveraging the well-developed algorithms in Bayesian inference. Several numerical examples are provided to highlight the results.
Abstract（参考訳）: 確率的グラフィカルモデルの観点から,マルチマルジナル最適輸送問題について検討する。最適輸送の基盤となるコストがグラフ構造を許容する場合、両者のエレガントな接続が指摘される。特に、エントロピー正則化されたマルチマルジナル最適輸送は、確率的グラフィカルモデルに対するベイズ境界推論問題と等価であり、いくつかの辺分布が特定されるという追加の要件がある。一方、この関係は最適輸送と確率的グラフィカルモデル理論を拡張し、一方、ベイズ推論においてよく開発されたアルゴリズムを活用することによって、多元最適輸送のための高速アルゴリズムをもたらす。結果を示す数値例がいくつか提供されている。

関連論文リスト

Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文参考訳（メタデータ） (2024-01-29T02:08:40Z)
Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
論文参考訳（メタデータ） (2023-01-30T15:46:39Z)
Neural Optimal Transport [82.2689844201373]
本稿では、最適な輸送マップを計算し、強力で弱い輸送コストを計画するニューラルネットベースの新しいアルゴリズムを提案する。ニューラルネットワークが確率分布間の輸送計画の普遍的近似であることを示す。
論文参考訳（メタデータ） (2022-01-28T16:24:13Z)
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)
Score-based Generative Neural Networks for Large-Scale Optimal Transport [15.666205208594565]
場合によっては、最適な輸送計画は、ソースサポートからターゲットサポートへの1対1のマッピングの形を取る。代わりに、ソースとターゲット分布のカップリングを解いた最適輸送の正規化形態であるシンクホーン問題について検討する。本稿では,2つの分布間のシンクホーン結合をスコアベース生成モデルで学習するための新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-10-07T07:45:39Z)
Scalable Computation of Monge Maps with General Costs [12.273462158073302]
モンジュマップ(Monge map)は、2つの確率分布の間の最適な輸送マップを指す。本稿では,2つの確率分布間のMongeマップをスケーラブルに計算するアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-06-07T17:23:24Z)
On the Existence of Optimal Transport Gradient for Learning Generative Models [8.602553195689513]
Wasserstein Generative Adversarial Networks (WGAN) のトレーニングは、最適な輸送コストの勾配の計算に依存する。まず、そのような勾配は定義されない可能性を示し、勾配に基づく最適化の際の数値的不安定性をもたらす。実験データの離散性を利用して、半離散的な設定で勾配を定式化し、生成モデルパラメータの最適化のためのアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-02-10T16:28:20Z)
Probabilistic Circuits for Variational Inference in Discrete Graphical Models [101.28528515775842]
変分法による離散的グラフィカルモデルの推論は困難である。エビデンス・ロウアーバウンド(ELBO)を推定するためのサンプリングに基づく多くの手法が提案されている。 Sum Product Networks (SPN) のような確率的回路モデルのトラクタビリティを活用する新しい手法を提案する。選択的SPNが表現的変動分布として適していることを示し、対象モデルの対数密度が重み付けされた場合、対応するELBOを解析的に計算可能であることを示す。
論文参考訳（メタデータ） (2020-10-22T05:04:38Z)
Generalization Properties of Optimal Transport GANs with Latent Distribution Learning [52.25145141639159]
本研究では,潜伏分布とプッシュフォワードマップの複雑さの相互作用が性能に与える影響について検討する。我々の分析に感銘を受けて、我々はGANパラダイム内での潜伏分布とプッシュフォワードマップの学習を提唱した。
論文参考訳（メタデータ） (2020-07-29T07:31:33Z)
Probabilistic Optimal Transport based on Collective Graphical Models [38.49457447599772]
OT(Optimal Transport)は確率分布とヒストグラムの類似性を測定する強力なツールである。本稿では,OTを確率的生成モデルの最大後部解(MAP)とみなす新しい枠組みを提案する。
論文参考訳（メタデータ） (2020-06-16T02:03:34Z)
Inference with Aggregate Data: An Optimal Transport Approach [16.274397329511196]
多数の個人が生成した集合データを用いた確率的グラフィカルモデルに対する推論(フィルタリング)問題を考察する。本稿では,木構造グラフの計算複雑性とグローバルコンバージェンス保証を両立する,効率的な信念伝播アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-03-31T03:12:20Z)

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。