Fugu-MT 論文翻訳(概要): Transport information Bregman divergences

論文の概要: Transport information Bregman divergences

arxiv url: http://arxiv.org/abs/2101.01162v1
Date: Mon, 4 Jan 2021 18:52:45 GMT
ステータス: 処理完了
システム内更新日: 2021-04-11 22:48:53.425899
Title: Transport information Bregman divergences
Title（参考訳）: 輸送情報bregmanダイバージェンス
Authors: Wuchen Li
Abstract要約: We study Bregman divergences in probability density space embedded with $L2$-Wasserstein metric。我々は、Boltzmann--Shannonエントロピーを$L2$--Wasserstein空間でBregman発散によってKulback--Leibler(KL)発散を導出する。
参考スコア（独自算出の注目度）: 6.299836058545287
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study Bregman divergences in probability density space embedded with the $L^2$--Wasserstein metric. Several properties and dualities of transport Bregman divergences are provided. In particular, we derive the transport Kullback--Leibler (KL) divergence by a Bregman divergence of negative Boltzmann--Shannon entropy in $L^2$--Wasserstein space. We also derive analytical formulas and generalizations of transport KL divergence for one-dimensional probability densities and Gaussian families.
Abstract（参考訳）: 我々は,$l^2$--wasserstein計量を組み込んだ確率密度空間におけるブレグマンの発散について検討する。輸送系ブレグマンの発散のいくつかの性質と双対性が提供される。特に、l^2$--wasserstein空間における負のボルツマン-シャノンエントロピーのブレグマンの発散により、輸送kullback-leibler (kl) の発散が導かれる。また,一次元確率密度とガウス族に対する輸送kl発散の解析式と一般化も導出する。

関連論文リスト

Riemannian-geometric generalizations of quantum fidelities and Bures-Wasserstein distance [0.0]
我々は、バーレス=ヴァッサーシュタイン多様体に基づく一般化忠実度と呼ばれる忠実度の族を導入する。このフィデリティの族は、ウルマン-、ホレボ-、松本-フィデリティのような標準量子フィデリティを一般化することを示した。
論文参考訳（メタデータ） (2024-10-07T11:28:26Z)
Forward-backward Gaussian variational inference via JKO in the Bures-Wasserstein Space [19.19325201882727]
変分推論 (VI) は、ターゲット分布の$pi$を、抽出可能な分布の族の元によって近似しようとする。本研究では,フォワード・バック・ガウス変分推論(FB-GVI)アルゴリズムを開発し,ガウスVIを解く。提案アルゴリズムでは,$pi$ が log-smooth かつ log-concave である場合に,最先端の収束保証が得られる。
論文参考訳（メタデータ） (2023-04-10T19:49:50Z)
Kullback-Leibler and Renyi divergences in reproducing kernel Hilbert space and Gaussian process settings [0.0]
正規化Kullback-LeiblerとR'enyiの発散をAlpha Log-Det(Log-Det)発散により定式化する。特徴的核について、最初の設定は、完全可分な距離空間上の任意のボレル確率測度の間の分岐をもたらす。我々は、Alpha Log-Detの発散がヒルベルト-シュミットノルムにおいて連続であることを示し、ヒルベルト空間値の確率変数に対して大数の法則を適用することができる。
論文参考訳（メタデータ） (2022-07-18T06:40:46Z)
On the Kullback-Leibler divergence between pairwise isotropic Gaussian-Markov random fields [93.35534658875731]
2つの対の等方性ガウス-マルコフ確率場間のクルバック-リーブラ分散の式を導出する。提案した方程式は、画像処理と機械学習の応用において、新しい類似度尺度の開発を可能にする。
論文参考訳（メタデータ） (2022-03-24T16:37:24Z)
Entropic Gromov-Wasserstein between Gaussian Distributions [9.624666285528612]
エントロピックなグロモフ=ワッサーシュタインとその(不均衡な)ガウス分布の間の不均衡バージョンについて研究する。計量が内積であるとき、内積Gromov-Wasserstein (IGW) と呼び、エントロピーIGWの最適輸送計画とその不均衡な変種がガウス分布であることを示す。
論文参考訳（メタデータ） (2021-08-24T21:27:11Z)
R\'enyi divergence inequalities via interpolation, with applications to generalised entropic uncertainty relations [91.3755431537592]
量子R'enyiエントロピー量、特に'サンドウィッチ'の発散量について検討する。我々は、R'enyi相互情報分解規則、R'enyi条件エントロピー三部類連鎖規則に対する新しいアプローチ、より一般的な二部類比較を示す。
論文参考訳（メタデータ） (2021-06-19T04:06:23Z)
Variational Transport: A Convergent Particle-BasedAlgorithm for Distributional Optimization [106.70006655990176]
分散最適化問題は機械学習や統計学で広く発生する。本稿では,変分輸送と呼ばれる粒子に基づく新しいアルゴリズムを提案する。目的関数がpolyak-Lojasiewicz (PL) (Polyak, 1963) の機能バージョンと滑らかな条件を満たすとき、変分輸送は線形に収束することを示す。
論文参考訳（メタデータ） (2020-12-21T18:33:13Z)
$(f,\Gamma)$-Divergences: Interpolating between $f$-Divergences and Integral Probability Metrics [6.221019624345409]
我々は、$f$-divergences と積分確率メトリクス(IPMs)の両方を仮定する情報理論の分岐を構築するためのフレームワークを開発する。 2段階の質量再分配/物質輸送プロセスとして表現できることが示される。統計的学習を例として,重み付き,絶対連続的なサンプル分布に対するGAN(generative adversarial network)の訓練において,その優位性を示す。
論文参考訳（メタデータ） (2020-11-11T18:17:09Z)
Linear Optimal Transport Embedding: Provable Wasserstein classification for certain rigid transformations and perturbations [79.23797234241471]
分布の区別は多くの科学分野において重要な問題である。線形最適輸送(LOT)は分布の空間を$L2$-スペースに埋め込む。複数の分布分類問題に対するLOTの利点を実証する。
論文参考訳（メタデータ） (2020-08-20T19:09:33Z)
On Projection Robust Optimal Transport: Sample Complexity and Model Misspecification [101.0377583883137]
射影ロバスト(PR)OTは、2つの測度の間のOTコストを最大化するために、射影可能な$k$次元部分空間を選択する。私たちの最初の貢献は、PRワッサーシュタイン距離のいくつかの基本的な統計的性質を確立することである。次に、部分空間を最適化するのではなく平均化することにより、PRW距離の代替として積分PRワッサーシュタイン距離(IPRW)を提案する。
論文参考訳（メタデータ） (2020-06-22T14:35:33Z)
A diffusion approach to Stein's method on Riemannian manifolds [65.36007959755302]
我々は、ターゲット不変測度を持つ$mathbf M$上の拡散の生成元と、その特徴付けStein演算子との関係を利用する。我々は、スタイン方程式とその微分に解を束縛するスタイン因子を導出する。我々は、$mathbf M$ が平坦多様体であるとき、$mathbb Rm$ の有界が有効であることを暗示する。
論文参考訳（メタデータ） (2020-03-25T17:03:58Z)

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。