論文の概要: Continual Repeated Annealed Flow Transport Monte Carlo
- arxiv url: http://arxiv.org/abs/2201.13117v3
- Date: Thu, 6 Apr 2023 14:26:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-07 18:19:11.761378
- Title: Continual Repeated Annealed Flow Transport Monte Carlo
- Title（参考訳）: 連続する繰り返しアニール流輸送モンテカルロ
- Authors: Alexander G. D. G. Matthews, Michael Arbel, Danilo J. Rezende, Arnaud
Doucet
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 93.98285297760671
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose Continual Repeated Annealed Flow Transport Monte Carlo (CRAFT), a
method that combines a sequential Monte Carlo (SMC) sampler (itself a
generalization of Annealed Importance Sampling) with variational inference
using normalizing flows. The normalizing flows are directly trained to
transport between annealing temperatures using a KL divergence for each
transition. This optimization objective is itself estimated using the
normalizing flow/SMC approximation. We show conceptually and using multiple
empirical examples that CRAFT improves on Annealed Flow Transport Monte Carlo
(Arbel et al., 2021), on which it builds and also on Markov chain Monte Carlo
(MCMC) based Stochastic Normalizing Flows (Wu et al., 2020). By incorporating
CRAFT within particle MCMC, we show that such learnt samplers can achieve
impressively accurate results on a challenging lattice field theory example.
- Abstract（参考訳）: 本稿では, 連続的なモンテカルロ (SMC) サンプリング器と正規化フローを用いた変分推論を組み合わせた連続的反復的アニール流輸送モンテカルロ (CRAFT) を提案する。
正規化フローは、遷移毎にKL分散を用いて熱処理温度間の輸送を直接訓練する。
この最適化目的自体を正規化フロー/SMC近似を用いて推定する。
我々はCRAFTが構築するAnnealed Flow Transport Monte Carlo(Arbel et al., 2021)と、Markov chain Monte Carlo(MCMC)をベースとしたStochastic Normalizing Flows(Wu et al., 2020)で改善する経験的な例をいくつか紹介する。
粒子MCMCにCRAFTを組み込むことにより,これらの学習したサンプルは,挑戦的な格子場理論の例において,驚くほど正確な結果が得られることを示す。
関連論文リスト
- Combining Normalizing Flows and Quasi-Monte Carlo [0.0]
近年の機械学習の進歩はモンテカルロ法を改良するための新しい手法の開発に繋がった。
数値実験により,この組み合わせにより,従来のモンテカルロを用いて流れをサンプリングした場合よりも,分散度が著しく低い推定器が得られることを示した。
論文 参考訳（メタデータ） (2024-01-11T14:17:06Z) - Reverse Diffusion Monte Carlo [19.35592726471155]
逆拡散モンテカルロ(rdMC)と呼ばれる新しいモンテカルロサンプリングアルゴリズムを提案する。
rdMCはマルコフ連鎖モンテカルロ(MCMC)法とは異なる。
論文 参考訳（メタデータ） (2023-07-05T05:42:03Z) - Detecting and Mitigating Mode-Collapse for Flow-based Sampling of
Lattice Field Theories [6.222204646855336]
格子場理論の文脈における正規化流れのモード崩壊の結果について検討する。
本稿では,モード崩壊の度合いを定量化し,その結果の偏りを導出する指標を提案する。
論文 参考訳（メタデータ） (2023-02-27T19:00:22Z) - Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。
一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
論文 参考訳（メタデータ） (2022-02-23T06:11:49Z) - Stochastic normalizing flows as non-equilibrium transformations [62.997667081978825]
正規化フローは従来のモンテカルロシミュレーションよりも効率的に格子場理論をサンプリングするための経路を提供することを示す。
本稿では,この拡張された生成モデルの効率を最適化する戦略と応用例を示す。
論文 参考訳（メタデータ） (2022-01-21T19:00:18Z) - Deterministic Gibbs Sampling via Ordinary Differential Equations [77.42706423573573]
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。
論文 参考訳（メタデータ） (2021-06-18T15:36:09Z) - Annealed Flow Transport Monte Carlo [91.20263039913912]
Annealed Flow Transport (AFT) built on Annealed Importance Smpling (AIS) and Sequential Monte Carlo (SMC)
AFTは、連続したターゲットに向かって粒子をプッシュするために順次学習されるNFに依存します。
AFTの人口バージョンの連続時間スケーリング限界は、Feynman--Kac測度によって与えられることを示した。
論文 参考訳（メタデータ） (2021-02-15T12:05:56Z) - 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) - Projected Latent Markov Chain Monte Carlo: Conditional Sampling of
Normalizing Flows [37.87437571724747]
射影型マルコフ連鎖モンテカルロ(PL-MCMC)は正規化流によって学習された高次元条件分布から抽出する手法である。
条件付きサンプリング法として,PL-MCMCは不完全データからのフローを正規化するためのモンテカルロ予測最大化(MC-EM)訓練を可能にする。
論文 参考訳（メタデータ） (2020-07-13T00:47:39Z)
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。