Fugu-MT 論文翻訳(概要): Deep Bayesian Nonparametric Factor Analysis

論文の概要: Deep Bayesian Nonparametric Factor Analysis

arxiv url: http://arxiv.org/abs/2011.04770v1
Date: Mon, 9 Nov 2020 21:14:22 GMT
ステータス: 処理完了
システム内更新日: 2022-09-28 00:24:06.747479
Title: Deep Bayesian Nonparametric Factor Analysis
Title（参考訳）: 深ベイズ非パラメトリック因子解析
Authors: Arunesh Mittal, Paul Sajda, John Paisley
Abstract要約: 本稿では, 遅延符号上の複素非因子分布を近似できる, ベータプロセス前の深部生成因子分析モデルを提案する。本稿では,このモデルの特定のインスタンス化において,スケーラブルな推論を行うEMアルゴリズムの概要と予備的な結果を示す。
参考スコア（独自算出の注目度）: 3.9533044769534444
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a deep generative factor analysis model with beta process prior that can approximate complex non-factorial distributions over the latent codes. We outline a stochastic EM algorithm for scalable inference in a specific instantiation of this model and present some preliminary results.
Abstract（参考訳）: 本稿では,遅延符号上の複素非因子分布を近似できる,ベータプロセス前の深部生成因子分析モデルを提案する。このモデルの特定のインスタンス化において,スケーラブルな推論のための確率的EMアルゴリズムの概要と予備的な結果を示す。

関連論文リスト

Unified Convergence Analysis for Score-Based Diffusion Models with Deterministic Samplers [49.1574468325115]
決定論的サンプリングのための統合収束分析フレームワークを提案する。我々のフレームワークは$tilde O(d2/epsilon)$の反復複雑性を実現する。また,Denoising Implicit Diffusion Models (DDIM) タイプのサンプルについて詳細な分析を行った。
論文参考訳（メタデータ） (2024-10-18T07:37:36Z)
Finite Sample and Large Deviations Analysis of Stochastic Gradient Algorithm with Correlated Noise [15.724207170366846]
我々は,ステップサイズ勾配アルゴリズムの有限標本残差を解析した。相関雑音を仮定し,解析の体系的アプローチとして摂動リアプノフ関数を用いる。
論文参考訳（メタデータ） (2024-10-11T01:38:27Z)
Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis [56.442307356162864]
連続時間マルコフ連鎖(CTMC)に基づくスコアベース離散拡散モデルの理論的側面について検討する。本稿では,事前定義された時間点におけるスコア推定値を利用する離散時間サンプリングアルゴリズムを一般状態空間$[S]d$に導入する。我々の収束解析はジルサノフ法を用いて離散スコア関数の重要な性質を確立する。
論文参考訳（メタデータ） (2024-10-03T09:07:13Z)
Solving Linear Inverse Problems Provably via Posterior Sampling with Latent Diffusion Models [98.95988351420334]
本稿では,事前学習した潜在拡散モデルを利用した線形逆問題の解法を初めて提案する。線形モデル設定において,証明可能なサンプル回復を示すアルゴリズムを理論的に解析する。
論文参考訳（メタデータ） (2023-07-02T17:21:30Z)
Differentiating Metropolis-Hastings to Optimize Intractable Densities [51.16801956665228]
我々はメトロポリス・ハスティングス検層の自動識別アルゴリズムを開発した。難解な対象密度に対する期待値として表現された目的に対して勾配に基づく最適化を適用する。
論文参考訳（メタデータ） (2023-06-13T17:56:02Z)
Bayesian Analysis for Over-parameterized Linear Model without Sparsity [8.1585306387285]
本研究では,データ共分散行列の固有ベクトルに依存する事前分布を用いたベイズ的手法を提案する。また、導出した後続推定の収縮率も提供し、後続分布のガウス近似を計算した。これらの結果は,データスペクトルを処理し,非スパースな高次元パラメータを推定できるベイズ的手法が実現可能であることを示唆している。
論文参考訳（メタデータ） (2023-05-25T06:07:47Z)
Restoration-Degradation Beyond Linear Diffusions: A Non-Asymptotic Analysis For DDIM-Type Samplers [90.45898746733397]
本研究では拡散生成モデルに用いる決定論的サンプリング器の非漸近解析のためのフレームワークを開発する。確率フローODEに沿った1ステップは,1) 条件付き対数線上を無限に先行して上昇する回復ステップ,2) 雑音を現在の勾配に向けて前向きに進行する劣化ステップの2段階で表すことができる。
論文参考訳（メタデータ） (2023-03-06T18:59:19Z)
A Forward Backward Greedy approach for Sparse Multiscale Learning [0.0]
本稿では,カーネルが重み付きマルチスケール構造を持つRKHS(Reproduction Kernel Hilbert space)を提案する。この空間における近似を生成するために、多スケール構造を持つ基底関数の集合をゆるやかに構成できる実用的なフォワードバックワードアルゴリズムを提供する。我々は,様々なシミュレーションと実データ集合を用いて,アプローチの性能を解析する。
論文参考訳（メタデータ） (2021-02-14T04:22:52Z)
Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
論文参考訳（メタデータ） (2020-02-17T19:23:36Z)
A Support Detection and Root Finding Approach for Learning High-dimensional Generalized Linear Models [10.103666349083165]
本研究では,高次元一般化線形モデルの学習を支援する支援検出法とルート探索法を開発した。提案手法の利点を説明するため,シミュレーションと実データ解析を行った。
論文参考訳（メタデータ） (2020-01-16T14:35:17Z)

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。