論文の概要: Improved analysis for a proximal algorithm for sampling
- arxiv url: http://arxiv.org/abs/2202.06386v1
- Date: Sun, 13 Feb 2022 19:04:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-15 17:42:42.041338
- Title: Improved analysis for a proximal algorithm for sampling
- Title(参考訳): サンプリングのための近位アルゴリズムの改良解析
- Authors: Yongxin Chen, Sinho Chewi, Adil Salim, Andre Wibisono
- Abstract要約: We study the proximal sampler of Lee, Shen, and Tian (2021) and obtain new convergence guarantees under weaker assumptions than strong log-concavity。
その結果,(1) 対数対数対数対数,(2) 非対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数
- 参考スコア(独自算出の注目度): 21.21963121603413
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study the proximal sampler of Lee, Shen, and Tian (2021) and obtain new
convergence guarantees under weaker assumptions than strong log-concavity:
namely, our results hold for (1) weakly log-concave targets, and (2) targets
satisfying isoperimetric assumptions which allow for non-log-concavity. We
demonstrate our results by obtaining new state-of-the-art sampling guarantees
for several classes of target distributions. We also strengthen the connection
between the proximal sampler and the proximal method in optimization by
interpreting the proximal sampler as an entropically regularized Wasserstein
proximal method, and the proximal point method as the limit of the proximal
sampler with vanishing noise.
- Abstract(参考訳): 我々はLee, Shen, and Tian (2021) の近位標本について研究し、強い対数共振器よりも弱い仮定の下で新たな収束保証を得る: すなわち、(1)弱い対数共振器のターゲット、(2)非対数共振器の仮定を満たすターゲット。
本稿では,対象分布の複数のクラスに対する新たなサンプリング保証を得ることにより,実験結果を示す。
また,近位標本をエントロピー正規化ワッサースタイン近位法,近位点法を消失雑音のある近位標本の限界として解釈することにより,近位標本と近位標本法との接続を強化した。
関連論文リスト
- Log-Concave Sampling on Compact Supports: A Versatile Proximal Framework [6.555157647688725]
本稿では,凸およびコンパクトな支持体上に定義された強対数凹分布のサンプリングについて検討する。
本稿では,制約セットへの射影を包含する一般近位フレームワークを提案する。
本分析は,制約サンプリングの文脈におけるLangevin型サンプリングアルゴリズムに着目した。
論文 参考訳(メタデータ) (2024-05-24T09:24:21Z) - Distributed Markov Chain Monte Carlo Sampling based on the Alternating
Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。
我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。
シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文 参考訳(メタデータ) (2024-01-29T02:08:40Z) - On diffusion-based generative models and their error bounds: The log-concave case with full convergence estimates [5.13323375365494]
我々は,強い対数空間データ分布を仮定して,拡散に基づく生成モデルの収束挙動を理論的に保証する。
我々は、モチベーションの例を通して、未知の平均を持つガウス分布からサンプリングし、我々のアプローチの強力さを実証する。
この手法はサンプリングアルゴリズムにおいて最もよく知られた収束率をもたらす。
論文 参考訳(メタデータ) (2023-11-22T18:40:45Z) - Asymptotically Optimal Adversarial Strategies for the Probability
Estimation Framework [0.0]
量子非局所性実験におけるランダム性を証明するためのPEF法の最適性を自己完結した証明を提案する。
これらの結果を (2,2,2) Bell のシナリオに適用し, 符号なし原理に縛られた最適対角攻撃の解析的特徴付けを得る。
また、(2,2,2)ベルシナリオにおける量子制限逆数と、より高い$(n,m,k)$ベルシナリオにおける符号なし逆数への解析の拡張についても検討する。
論文 参考訳(メタデータ) (2023-06-11T22:58:01Z) - Learning Rate Free Sampling in Constrained Domains [21.853333421463603]
我々は、完全に学習率の低い制約付き領域をサンプリングするための新しい粒子ベースのアルゴリズム一式を導入する。
我々は,本アルゴリズムの性能を,単純度に基づくターゲットからのサンプリングを含む,様々な数値的な例で示す。
論文 参考訳(メタデータ) (2023-05-24T09:31:18Z) - Minibatch vs Local SGD with Shuffling: Tight Convergence Bounds and
Beyond [63.59034509960994]
シャッフルに基づく変種(ミニバッチと局所ランダムリシャッフル)について検討する。
ポリアック・ロジャシエヴィチ条件を満たす滑らかな函数に対して、これらのシャッフル型不変量(英語版)(shuffling-based variants)がそれらの置換式よりも早く収束することを示す収束境界を得る。
我々は, 同期シャッフル法と呼ばれるアルゴリズムの修正を提案し, ほぼ均一な条件下では, 下界よりも収束速度が速くなった。
論文 参考訳(メタデータ) (2021-10-20T02:25:25Z) - Variational Refinement for Importance Sampling Using the Forward
Kullback-Leibler Divergence [77.06203118175335]
変分推論(VI)はベイズ推論における正確なサンプリングの代替として人気がある。
重要度サンプリング(IS)は、ベイズ近似推論手順の推定を微調整し、偏りを逸脱するためにしばしば用いられる。
近似ベイズ推論のための最適化手法とサンプリング手法の新たな組み合わせを提案する。
論文 参考訳(メタデータ) (2021-06-30T11:00:24Z) - Finite Sample Analysis of Minimax Offline Reinforcement Learning:
Completeness, Fast Rates and First-Order Efficiency [83.02999769628593]
強化学習におけるオフ・ポリティィ・アセスメント(OPE)の理論的特徴について述べる。
ミニマックス法により、重みと品質関数の高速収束を実現することができることを示す。
非タブラル環境における1次効率を持つ最初の有限サンプル結果を示す。
論文 参考訳(メタデータ) (2021-02-05T03:20:39Z) - Revisiting the Sample Complexity of Sparse Spectrum Approximation of
Gaussian Processes [60.479499225746295]
本稿では,ガウス過程に対して,パラメータ空間全体に対して同時に保持可能な保証付きスケーラブルな近似を導入する。
我々の近似は、スパーススペクトルガウス過程(SSGP)のための改良されたサンプル複雑性解析から得られる。
論文 参考訳(メタデータ) (2020-11-17T05:41:50Z) - The Simulator: Understanding Adaptive Sampling in the
Moderate-Confidence Regime [52.38455827779212]
エミュレータと呼ばれる適応サンプリングを解析するための新しい手法を提案する。
適切なログファクタを組み込んだトップk問題の最初のインスタンスベースの下位境界を証明します。
我々の新しい分析は、後者の問題に対するこの種の最初のエミュレータであるベストアームとトップkの識別に、シンプルでほぼ最適であることを示した。
論文 参考訳(メタデータ) (2017-02-16T23:42:02Z)
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。