Fugu-MT 論文翻訳(概要): An Easy to Interpret Diagnostic for Approximate Inference: Symmetric Divergence Over Simulations

論文の概要: An Easy to Interpret Diagnostic for Approximate Inference: Symmetric Divergence Over Simulations

arxiv url: http://arxiv.org/abs/2103.01030v1
Date: Thu, 25 Feb 2021 16:51:15 GMT
ステータス: 処理完了
システム内更新日: 2021-04-05 00:51:34.660443
Title: An Easy to Interpret Diagnostic for Approximate Inference: Symmetric Divergence Over Simulations
Title（参考訳）: 近似推論のための容易に解釈できる診断法:シミュレーションによる対称発散
Authors: Justin Domke
Abstract要約: マルコフ連鎖モンテカルロ法の既存の診断法は、推論が誤りに正確であると仮定しており、変分推論やラプラス法のような近似法には適していない。本稿では,先行したデータセットの繰り返しシミュレーションと各推論の実行に基づく診断について紹介する。
参考スコア（独自算出の注目度）: 35.02729154227436
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: It is important to estimate the errors of probabilistic inference algorithms. Existing diagnostics for Markov chain Monte Carlo methods assume inference is asymptotically exact, and are not appropriate for approximate methods like variational inference or Laplace's method. This paper introduces a diagnostic based on repeatedly simulating datasets from the prior and performing inference on each. The central observation is that it is possible to estimate a symmetric KL-divergence defined over these simulations.
Abstract（参考訳）: 確率的推論アルゴリズムの誤差を推定することが重要である。マルコフ連鎖モンテカルロ法による既存の診断は、推論が漸近的に正確であると仮定し、変分推論やラプラス法のような近似手法には適さない。本稿では,前者からのデータセットを繰り返しシミュレーションし,それぞれに推論を行う診断手法を提案する。中心的な観測は、これらのシミュレーションで定義された対称KL偏差を推定できるということである。

関連論文リスト

Online Identification of Stochastic Continuous-Time Wiener Models Using Sampled Data [4.037738063437126]
連続時間ウィナーモデルの同定のための出力エラー予測器に基づくオンライン推定アルゴリズムを開発した。この方法は、外乱過程のスペクトルに関する仮定に対して堅牢である。
論文参考訳（メタデータ） (2024-03-09T12:33:09Z)
Calibrating Neural Simulation-Based Inference with Differentiable Coverage Probability [50.44439018155837]
ニューラルモデルのトレーニング目的に直接キャリブレーション項を含めることを提案する。古典的なキャリブレーション誤差の定式化を緩和することにより、エンドツーエンドのバックプロパゲーションを可能にする。既存の計算パイプラインに直接適用でき、信頼性の高いブラックボックス後部推論が可能である。
論文参考訳（メタデータ） (2023-10-20T10:20:45Z)
Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文参考訳（メタデータ） (2023-09-28T13:04:11Z)
Online Statistical Inference for Nonlinear Stochastic Approximation with Markovian Data [22.59079286063505]
マルコフデータの単一軌跡を用いた非線形近似アルゴリズムの統計的推定について検討した。本手法は,自動回帰データや非同期Q-Learningにおけるグラディエント・Descent (SGD) など,様々なシナリオで実用化されている。
論文参考訳（メタデータ） (2023-02-15T14:31:11Z)
Sampling-Based Accuracy Testing of Posterior Estimators for General Inference [0.0]
生成モデルは、後部推論のためのマルコフ・チェイン・モンテカルロ法に代わるものとして用いられる。生成後推定器のカバレッジ確率を推定する手法として,ランダムポイントによる精度テスト(TARP)を導入する。
論文参考訳（メタデータ） (2023-02-06T18:59:25Z)
Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
論文参考訳（メタデータ） (2022-11-30T05:33:29Z)
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)
Optimal variance-reduced stochastic approximation in Banach spaces [114.8734960258221]
可分バナッハ空間上で定義された収縮作用素の定点を推定する問題について検討する。演算子欠陥と推定誤差の両方に対して漸近的でない境界を確立する。
論文参考訳（メタデータ） (2022-01-21T02:46:57Z)
The Connection between Discrete- and Continuous-Time Descriptions of Gaussian Continuous Processes [60.35125735474386]
我々は、一貫した推定子をもたらす離散化が粗粒化下での不変性を持つことを示す。この結果は、導関数再構成のための微分スキームと局所時間推論アプローチの組み合わせが、2次または高次微分方程式の時系列解析に役立たない理由を説明する。
論文参考訳（メタデータ） (2021-01-16T17:11:02Z)
Inference in Stochastic Epidemic Models via Multinomial Approximations [2.28438857884398]
疫病モデルに新しい推論法を導入する。この方法は離散時間有限人口構成モデルのクラスに適用できる。本手法は,中国武漢で発生した新型コロナウイルスの再現数の経時変化を推定するために,シークエンシャルモンテカルロ法に組み込むことができることを示す。
論文参考訳（メタデータ） (2020-06-24T13:08:56Z)
Maximum likelihood estimation and uncertainty quantification for Gaussian process approximation of deterministic functions [10.319367855067476]
本稿は、ガウス過程の回帰の文脈において、ノイズのないデータセットを用いた最初の理論的分析の1つを提供する。本稿では,スケールパラメータのみの最大推定がガウス過程モデルの不特定に対する顕著な適応をもたらすことを示す。
論文参考訳（メタデータ） (2020-01-29T17:20:21Z)

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。