論文の概要: Deterministic Gibbs Sampling via Ordinary Differential Equations
- arxiv url: http://arxiv.org/abs/2106.10188v1
- Date: Fri, 18 Jun 2021 15:36:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-21 13:57:29.790733
- Title: Deterministic Gibbs Sampling via Ordinary Differential Equations
- Title(参考訳): 正規微分方程式による決定論的ギブズサンプリング
- Authors: Kirill Neklyudov, Roberto Bondesan, Max Welling
- Abstract要約: 本稿では,自律的ODEとツールを用いた決定論的測度保存ダイナミクスの一般構築について述べる。
我々は、ハイブリッドモンテカルロや他の決定論的サンプルが、我々の理論の特別な場合としてどのように従うかを示す。
- 参考スコア(独自算出の注目度): 77.42706423573573
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deterministic dynamics is an essential part of many MCMC algorithms, e.g.
Hybrid Monte Carlo or samplers utilizing normalizing flows. This paper presents
a general construction of deterministic measure-preserving dynamics using
autonomous ODEs and tools from differential geometry. We show how Hybrid Monte
Carlo and other deterministic samplers follow as special cases of our theory.
We then demonstrate the utility of our approach by constructing a continuous
non-sequential version of Gibbs sampling in terms of an ODE flow and extending
it to discrete state spaces. We find that our deterministic samplers are more
sample efficient than stochastic counterparts, even if the latter generate
independent samples.
- Abstract(参考訳): 決定論的ダイナミクスは多くのMCMCアルゴリズムの重要な部分である。
正規化流を利用したハイブリッドモンテカルロまたはサンプラー
本稿では,自律的ODEとツールを用いた決定論的測度保存ダイナミクスの一般構築について述べる。
我々は、ハイブリッドモンテカルロや他の決定論的サンプルが、我々の理論の特別な場合としてどのように従うかを示す。
次に, ODE フローの観点から連続的な非逐次バージョンの Gibbs をサンプリングし, 離散状態空間に拡張することで, 提案手法の有用性を実証する。
決定論的サンプルは, 独立標本を生成しても, 確率的サンプルよりも効率がよいことがわかった。
関連論文リスト
- Iterated Denoising Energy Matching for Sampling from Boltzmann Densities [111.90150190668555]
反復Denoising Energy Matching (iDEM)
iDEMは,拡散型サンプリング装置から高モデル密度のサンプリング領域を (I) 交換し, (II) それらのサンプルをマッチング目的に使用した。
提案手法は,全測定値の最先端性能を達成し,2~5倍の速さでトレーニングを行う。
論文 参考訳(メタデータ) (2024-02-09T01:11:23Z) - Structured Voronoi Sampling [69.26504269777544]
本稿では,勾配に基づく手法を用いた言語モデルから抽出する原理的アプローチの構築に向けて重要な一歩を踏み出す。
我々は勾配に基づく構造ヴォロノイサンプリング(Structured Voronoi Smpling, SVS)と呼ぶ。
制御された生成タスクでは、SVSは流動的で多様なサンプルを生成できるが、制御対象は他の方法よりもはるかに優れている。
論文 参考訳(メタデータ) (2023-06-05T17:32:35Z) - Generative modeling for time series via Schr{\"o}dinger bridge [0.0]
本稿では,SB (Schr'dinger Bridge) に基づく時系列生成モデルを提案する。
これは、経路空間上の基準確率測度と、時系列の合同データ分布と整合した目標測度との間の最適輸送によるエントロピックから構成される。
論文 参考訳(メタデータ) (2023-04-11T09:45:06Z) - Auxiliary MCMC and particle Gibbs samplers for parallelisable inference
in latent dynamical systems [3.42658286826597]
我々はマルコフ連鎖モンテカルロ(MCMC)の2つの新しいクラスを導入し、潜在力学モデルの推論を行う。
カルマン検体を補助的に作成した最初のものは、マルコフ連鎖の状態に対応する走行軌跡の周りの線型ガウス状態空間モデル近似の発見に依存している。
第二に、補助粒子ギブスサンプリング器は、粒子ギブスに使用する補助ファインマン-カックモデルにおいて良い局所的提案を導出する。
論文 参考訳(メタデータ) (2023-03-01T07:53:58Z) - Markov Chain Monte Carlo for Continuous-Time Switching Dynamical Systems [26.744964200606784]
マルコフ連鎖モンテカルロ法による新しい推論アルゴリズムを提案する。
提示されたギブスサンプルは、正確な連続時間後処理から試料を効率的に得ることができる。
論文 参考訳(メタデータ) (2022-05-18T09:03:00Z) - Continual Repeated Annealed Flow Transport Monte Carlo [93.98285297760671]
我々はCRAFT(Continuous Repeated Annealed Flow Transport Monte Carlo)を提案する。
シーケンシャルなモンテカルロサンプリングと正規化フローを用いた変分推論を組み合わせる。
CRAFTは格子場の実例で驚くほど正確な結果が得られることを示す。
論文 参考訳(メタデータ) (2022-01-31T10:58:31Z) - Direct sampling of projected entangled-pair states [0.0]
投射的絡み合ったペア状態(PEPS)を用いたモンテカルロ変分法(英語版)の研究は、長年の疑問に対する回答を提示できることを最近示した。
本稿では,PEPSから独立したサンプルを生成するサンプリングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-09-15T15:09:20Z) - Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。
本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。
本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
論文 参考訳(メタデータ) (2021-02-04T02:21:08Z) - Graph Gamma Process Generalized Linear Dynamical Systems [60.467040479276704]
実マルチ変数時系列をモデル化するために,グラフガンマ過程(GGP)線形力学系を導入する。
時間的パターン発見のために、モデルの下での潜在表現は、時系列を多変量部分列の同相集合に分解するために使用される。
非零次ノード数が有限であるランダムグラフを用いて、潜時状態遷移行列の空間パターンと次元の両方を定義する。
論文 参考訳(メタデータ) (2020-07-25T04:16:34Z)
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。