Fugu-MT 論文翻訳(概要): Deterministic Langevin Monte Carlo with Normalizing Flows for Bayesian Inference

論文の概要: Deterministic Langevin Monte Carlo with Normalizing Flows for Bayesian Inference

arxiv url: http://arxiv.org/abs/2205.14240v1
Date: Fri, 27 May 2022 21:21:03 GMT
ステータス: 処理完了
システム内更新日: 2022-06-05 03:26:43.518124
Title: Deterministic Langevin Monte Carlo with Normalizing Flows for Bayesian Inference
Title（参考訳）: ベイズ推定のための正規化フローを持つ決定論的ランジュバンモンテカルロ
Authors: Uros Seljak, Richard D.P. Grumitt, Biwei Dai
Abstract要約: 本稿では,コストの高い確率に対する汎用推論アルゴリズムを提案する。本手法は, 美術品の採取方法と競合することを示す。
参考スコア（独自算出の注目度）: 6.445605125467574
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a general purpose Bayesian inference algorithm for expensive likelihoods, replacing the stochastic term in the Langevin equation with a deterministic density gradient term. The particle density is evaluated from the current particle positions using a Normalizing Flow (NF), which is differentiable and has good generalization properties in high dimensions. We take advantage of NF preconditioning and NF based Metropolis-Hastings updates for a faster and unbiased convergence. We show on various examples that the method is competitive against state of the art sampling methods.
Abstract（参考訳）: 本稿では,Langevin方程式の確率項を決定論的密度勾配項に置き換え,高確率ベイズ推定アルゴリズムを提案する。粒子密度は、微分可能で高次元の一般化特性を有する正規化流(nf)を用いて現在の粒子位置から評価される。我々はNFプレコンディショニングとNFベースのMetropolis-Hastingsのアップデートを活用し、より高速で偏りのない収束を実現する。本手法は, 美術品の採取方法と競合することを示す。

関連論文リスト

Deterministic Fokker-Planck Transport -- With Applications to Sampling, Variational Inference, Kernel Mean Embeddings & Sequential Monte Carlo [0.0]
我々は,Fokker-Planck方程式を連続性方程式として再構成し,粒子流法における関連する速度場を自然に提案する。結果として生じる確率フローODEは魅力的な特性を提供するが、ほとんどの実用的な応用において難解な現在の確率密度を評価することに頼っている。これらの制限を変動推論、カーネル平均埋め込み、シーケンシャルなモンテカルロといったコンテキストの利点に変換する機会を明らかにする。
論文参考訳（メタデータ） (2024-10-11T13:06:36Z)
Symmetric Mean-field Langevin Dynamics for Distributional Minimax Problems [78.96969465641024]
平均場ランゲヴィンのダイナミクスを、対称で証明可能な収束した更新で、初めて確率分布に対する最小の最適化に拡張する。また,時間と粒子の離散化機構について検討し,カオス結果の新たな均一時間伝播を証明した。
論文参考訳（メタデータ） (2023-12-02T13:01:29Z)
Noise-Free Sampling Algorithms via Regularized Wasserstein Proximals [3.4240632942024685]
ポテンシャル関数が支配する分布からサンプリングする問題を考察する。本研究は, 決定論的な楽譜に基づくMCMC法を提案し, 粒子に対する決定論的進化をもたらす。
論文参考訳（メタデータ） (2023-08-28T23:51:33Z)
Sobolev Space Regularised Pre Density Models [51.558848491038916]
本研究では,ソボレフ法則の正則化に基づく非パラメトリック密度推定法を提案する。この方法は統計的に一貫したものであり、帰納的検証モデルを明確かつ一貫したものにしている。
論文参考訳（メタデータ） (2023-07-25T18:47:53Z)
Langevin Monte Carlo for strongly log-concave distributions: Randomized midpoint revisited [4.551456632596834]
我々は,バニラ・ランゲヴィン過程の中間点の離散化を解析する。この分析は根底にある原則を明確にし、貴重な洞察を提供するのに役立つ。我々は、オイラー離散化を伴うランゲヴィン過程の新たな保証を確立する。
論文参考訳（メタデータ） (2023-06-14T13:18:09Z)
Interacting Particle Langevin Algorithm for Maximum Marginal Likelihood Estimation [2.53740603524637]
我々は,最大限界推定法を実装するための相互作用粒子系のクラスを開発する。特に、この拡散の定常測度のパラメータ境界がギブス測度の形式であることを示す。特定の再スケーリングを用いて、このシステムの幾何学的エルゴディディティを証明し、離散化誤差を限定する。時間的に一様で、粒子の数で増加しない方法で。
論文参考訳（メタデータ） (2023-03-23T16:50:08Z)
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)
Mean-Square Analysis with An Application to Optimal Dimension Dependence of Langevin Monte Carlo [60.785586069299356]
この研究は、2-ワッサーシュタイン距離におけるサンプリング誤差の非同相解析のための一般的な枠組みを提供する。我々の理論解析は数値実験によってさらに検証される。
論文参考訳（メタデータ） (2021-09-08T18:00:05Z)
Fast Batch Nuclear-norm Maximization and Minimization for Robust Domain Adaptation [154.2195491708548]
ランダムに選択されたデータバッチの分類出力行列の構造について検討し,予測可能性と多様性について検討した。本稿では,目標出力行列上で核ノルムを行い,目標予測能力を向上するBatch Nuclear-norm Maximization and Minimizationを提案する。実験により,本手法は3つの典型的なドメイン適応シナリオにおいて適応精度とロバスト性を高めることができることが示された。
論文参考訳（メタデータ） (2021-07-13T15:08:32Z)
Learning Likelihoods with Conditional Normalizing Flows [54.60456010771409]
条件正規化フロー(CNF)はサンプリングと推論において効率的である。出力空間写像に対する基底密度が入力 x 上で条件づけられた CNF について、条件密度 p(y|x) をモデル化する。
論文参考訳（メタデータ） (2019-11-29T19:17:58Z)

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。