論文の概要: Probabilistic Programs with Stochastic Conditioning

• arxiv url: http://arxiv.org/abs/2010.00282v3
• Date: Mon, 8 Mar 2021 12:41:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-12 07:44:58.046214
• Title: Probabilistic Programs with Stochastic Conditioning
• Title（参考訳）: 確率的条件付き確率的プログラム
• Authors: David Tolpin, Yuan Zhou, Tom Rainforth, Hongseok Yang
• Abstract要約: そこで本研究では,変数の辺分布を条件付けする決定論的条件付けの一般化を提案する。 確率的プログラミングの文脈では条件付けを提示するが、形式化は一般的であり、他の設定にも適用できる。
• 参考スコア（独自算出の注目度）: 38.63814604977958
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We tackle the problem of conditioning probabilistic programs on distributions of observable variables. Probabilistic programs are usually conditioned on samples from the joint data distribution, which we refer to as deterministic conditioning. However, in many real-life scenarios, the observations are given as marginal distributions, summary statistics, or samplers. Conventional probabilistic programming systems lack adequate means for modeling and inference in such scenarios. We propose a generalization of deterministic conditioning to stochastic conditioning, that is, conditioning on the marginal distribution of a variable taking a particular form. To this end, we first define the formal notion of stochastic conditioning and discuss its key properties. We then show how to perform inference in the presence of stochastic conditioning. We demonstrate potential usage of stochastic conditioning on several case studies which involve various kinds of stochastic conditioning and are difficult to solve otherwise. Although we present stochastic conditioning in the context of probabilistic programming, our formalization is general and applicable to other settings.
• Abstract（参考訳）: 観測変数の分布に対する確率的プログラムの条件付けの問題に取り組む。 確率的プログラムは通常、決定論的条件付けと呼ばれるジョイントデータ分布のサンプルで条件付けされる。 しかし、多くの実生活シナリオでは、観測は限界分布、要約統計、サンプルとして与えられる。 従来の確率型プログラミングシステムは、そのようなシナリオにおけるモデリングと推論に十分な手段を持っていない。 本稿では, 確率的条件付け, すなわち, 特定の形式をとる変数の限界分布の条件付けに対する決定論的条件付けの一般化を提案する。 この目的のために、まず確率的条件付けの形式的概念を定義し、その重要な性質について議論する。 次に,確率的条件付けの存在下で推論を行う方法を示す。 各種の確率条件付けを含むいくつかのケーススタディにおいて,確率条件付けの可能性を示すとともに,他の方法での解決が困難である。 確率的プログラミングの文脈では確率的条件付けを行うが、形式化は他の設定にも適用できる。

関連論文リスト

• Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
  本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。 我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-07-01T20:44:48Z)
• User-defined Event Sampling and Uncertainty Quantification in Diffusion Models for Physical Dynamical Systems [49.75149094527068]
  拡散モデルを用いて予測を行い,カオス力学系に対する不確かさの定量化が可能であることを示す。 本研究では,雑音レベルが低下するにつれて真の分布に収束する条件付きスコア関数の確率的近似法を開発する。 推論時に非線形ユーザ定義イベントを条件付きでサンプリングすることができ、分布の尾部からサンプリングした場合でもデータ統計と一致させることができる。
  論文  参考訳（メタデータ） (2023-06-13T03:42:03Z)
• Consistent Optimal Transport with Empirical Conditional Measures [0.6562256987706128]
  共振器における2つの関節分布間の最適輸送(OT)の問題点を考察する。 我々は、共同サンプル上で計算されたカーネル化された最小二乗項を使用し、輸送計画の条件的目的に暗黙的に一致する。 本手法は, 治療に対する細胞応答予測の文脈において, 短時間の分類のための即時学習や条件生成などの応用に適用する場合, 最先端の手法を改良する。
  論文  参考訳（メタデータ） (2023-05-25T10:01:57Z)
• Probabilistic Conformal Prediction Using Conditional Random Samples [73.26753677005331]
  PCPは、不連続な予測セットによって対象変数を推定する予測推論アルゴリズムである。 効率的で、明示的または暗黙的な条件生成モデルと互換性がある。
  論文  参考訳（メタデータ） (2022-06-14T03:58:03Z)
• Compositional Semantics for Probabilistic Programs with Exact Conditioning [0.0]
  本稿では,ガウス確率変数に対する一級厳密な条件付け構造を持つ確率的プログラミング言語を定義する。 我々の言語のよい性質はガウス語に特有ではなく、普遍的な性質から導出できることが示される。
  論文  参考訳（メタデータ） (2021-01-27T12:31:18Z)
• Tractable Inference in Credal Sentential Decision Diagrams [116.6516175350871]
  確率感性決定図は、解離ゲートの入力が確率値によってアノテートされる論理回路である。 我々は、局所確率を質量関数のクレーダル集合に置き換えることができる確率の一般化である、クレーダル感性決定図を開発する。 まず,ノイズの多い7セグメント表示画像に基づく簡単なアプリケーションについて検討する。
  論文  参考訳（メタデータ） (2020-08-19T16:04:34Z)
• A One-step Approach to Covariate Shift Adaptation [82.01909503235385]
  多くの機械学習シナリオにおけるデフォルトの前提は、トレーニングとテストサンプルは同じ確率分布から引き出されることである。 予測モデルと関連する重みを1つの最適化で共同で学習する新しいワンステップアプローチを提案する。
  論文  参考訳（メタデータ） (2020-07-08T11:35:47Z)
• Stochastic Probabilistic Programs [1.90365714903665]
  本稿では,確率的プログラムの概念を導入し,プログラムの仕様と推論を支援する確率的プログラミング施設のリファレンス実装を提案する。 確率プログラムのいくつかの例を示し、モデル仕様と推論の観点から、決定論的確率プログラムと対応する決定論的確率プログラムを比較した。
  論文  参考訳（メタデータ） (2020-01-08T17:54:40Z)

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。