論文の概要: Black-box density function estimation using recursive partitioning

• arxiv url: http://arxiv.org/abs/2010.13632v2
• Date: Tue, 8 Jun 2021 21:34:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 18:12:25.276756
• Title: Black-box density function estimation using recursive partitioning
• Title（参考訳）: 再帰的パーティショニングを用いたブラックボックス密度関数推定
• Authors: Erik Bodin, Zhenwen Dai, Neill D. F. Campbell, Carl Henrik Ek
• Abstract要約: 本稿では、逐次決定ループによって定義されるベイズ推定と一般ベイズ計算に対する新しいアプローチを提案する。 本手法はサンプル空間の再帰的分割を定義する。 出力は、効率的なデータ構造で編成されたパーティションを介して、正規化定数を含む全密度関数の近似である。 このアルゴリズムは、重力波物理のパラメータ推論を含む合成および実世界の問題に対する最近の最先端手法と競合する性能を示す。
• 参考スコア（独自算出の注目度）: 20.18732483255139
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a novel approach to Bayesian inference and general Bayesian computation that is defined through a sequential decision loop. Our method defines a recursive partitioning of the sample space. It neither relies on gradients nor requires any problem-specific tuning, and is asymptotically exact for any density function with a bounded domain. The output is an approximation to the whole density function including the normalisation constant, via partitions organised in efficient data structures. Such approximations may be used for evidence estimation or fast posterior sampling, but also as building blocks to treat a larger class of estimation problems. The algorithm shows competitive performance to recent state-of-the-art methods on synthetic and real-world problems including parameter inference for gravitational-wave physics.
• Abstract（参考訳）: 本稿では,逐次決定ループを通じて定義されるベイズ推論と一般ベイズ計算に対する新しいアプローチを提案する。 本手法はサンプル空間の再帰的分割を定義する。 勾配にも問題固有のチューニングも必要とせず、有界領域を持つ任意の密度関数に対して漸近的に正確である。 出力は、効率的なデータ構造で編成されたパーティションを介して、正規化定数を含む全密度関数の近似である。 このような近似は証拠推定や高速後部サンプリングにも用いられるが、より大規模な推定問題を扱うためのビルディングブロックとしても用いられる。 このアルゴリズムは、重力波物理のパラメータ推論を含む合成および実世界の問題に対する最近の最先端手法と競合する性能を示す。

関連論文リスト

• A quasi-Bayesian sequential approach to deconvolution density estimation [7.10052009802944]
  密度デコンボリューションは、データからランダム信号の未知の密度関数$f$を推定する。 我々は、ノイズの多いデータが徐々に到着するストリーミングやオンライン環境での密度デコンボリューションの問題を考察する。 準ベイズ的シーケンシャルアプローチを頼りにすると、容易に評価できる$f$の推定値が得られる。
  論文  参考訳（メタデータ） (2024-08-26T16:40:04Z)
• In-and-Out: Algorithmic Diffusion for Sampling Convex Bodies [7.70133333709347]
  高次元凸体を一様にサンプリングするための新しいランダムウォークを提案する。 出力をより強力な保証で、最先端のランタイムの複雑さを実現する。
  論文  参考訳（メタデータ） (2024-05-02T16:15:46Z)
• Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
  実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。 本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
  論文  参考訳（メタデータ） (2023-06-13T01:18:16Z)
• Score-based Diffusion Models in Function Space [140.792362459734]
  拡散モデルは、最近、生成モデリングの強力なフレームワークとして登場した。 本稿では,関数空間における拡散モデルをトレーニングするためのDDO(Denoising Diffusion Operators)という,数学的に厳密なフレームワークを提案する。 データ解像度に依存しない固定コストで、対応する離散化アルゴリズムが正確なサンプルを生成することを示す。
  論文  参考訳（メタデータ） (2023-02-14T23:50:53Z)
• Quantization-Based Optimization: Alternative Stochastic Approximation of Global Optimization [0.0]
  NP-hard問題における目的関数のエネルギーレベルを定量化するための大域的最適化アルゴリズムを提案する。 数値実験により,提案アルゴリズムはNP-ハード最適化問題の解法において従来の学習法よりも優れていた。
  論文  参考訳（メタデータ） (2022-11-08T03:01:45Z)
• Posterior and Computational Uncertainty in Gaussian Processes [52.26904059556759]
  ガウスのプロセスはデータセットのサイズとともに違法にスケールする。 多くの近似法が開発されており、必然的に近似誤差を導入している。 この余分な不確実性の原因は、計算が限られているため、近似後部を使用すると完全に無視される。 本研究では,観測された有限個のデータと有限個の計算量の両方から生じる組合せ不確実性を一貫した推定を行う手法の開発を行う。
  論文  参考訳（メタデータ） (2022-05-30T22:16:25Z)
• Trajectory Inference via Mean-field Langevin in Path Space [0.17205106391379024]
  軌道推論は、時間的限界のスナップショットから集団のダイナミクスを回復することを目的としている。 経路空間におけるウィナー測度に対するミンエントロピー推定器は、Lavenantらによって導入された。
  論文  参考訳（メタデータ） (2022-05-14T23:13:00Z)
• An Algebraically Converging Stochastic Gradient Descent Algorithm for Global Optimization [14.336473214524663]
  アルゴリズムの主要な構成要素は、目的関数の値に基づくランダム性である。 アルゴリズムの収束を代数学で証明し、パラメータ空間でチューニングする。 アルゴリズムの効率性とロバスト性を示す数値的な例をいくつか提示する。
  論文  参考訳（メタデータ） (2022-04-12T16:27:49Z)
• Bayesian Algorithm Execution: Estimating Computable Properties of Black-box Functions Using Mutual Information [78.78486761923855]
  多くの現実世界では、T関数の評価の予算を考えると、高価なブラックボックス関数 f の性質を推測したい。 本稿では,アルゴリズムの出力に対して相互情報を最大化するクエリを逐次選択する手法InfoBAXを提案する。 これらの問題に対してInfoBAXは、元のアルゴリズムで要求されるより500倍少ないクエリをfに使用する。
  論文  参考訳（メタデータ） (2021-04-19T17:22:11Z)
• Optimal oracle inequalities for solving projected fixed-point equations [53.31620399640334]
  ヒルベルト空間の既知の低次元部分空間を探索することにより、確率観測の集合を用いて近似解を計算する手法を検討する。 本稿では,線形関数近似を用いた政策評価問題に対する時間差分学習手法の誤差を正確に評価する方法について述べる。
  論文  参考訳（メタデータ） (2020-12-09T20:19:32Z)
• The Convergence Indicator: Improved and completely characterized parameter bounds for actual convergence of Particle Swarm Optimization [68.8204255655161]
  我々は、粒子が最終的に単一点に収束するか、分岐するかを計算するのに使用できる新しい収束指標を導入する。 この収束指標を用いて、収束群につながるパラメータ領域を完全に特徴づける実際の境界を提供する。
  論文  参考訳（メタデータ） (2020-06-06T19:08:05Z)

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。