Fugu-MT 論文翻訳(概要): On free energy barriers in Gaussian priors and failure of MCMC for high-dimensional unimodal distributions

論文の概要: On free energy barriers in Gaussian priors and failure of MCMC for high-dimensional unimodal distributions

arxiv url: http://arxiv.org/abs/2209.02001v1
Date: Mon, 5 Sep 2022 14:58:48 GMT
ステータス: 処理完了
システム内更新日: 2022-09-07 15:30:15.782682
Title: On free energy barriers in Gaussian priors and failure of MCMC for high-dimensional unimodal distributions
Title（参考訳）: ガウス前の自由エネルギー障壁と高次元単潮分布に対するMCMCの失敗について
Authors: Afonso S. Bandeira, Antoine Maillard, Richard Nickl, Sven Wang
Abstract要約: 初期MCMC法は典型的には指数的な実行時間を要し、後部測度の大半が集中する領域に入る。この理論は、pCNやMALAのようなメトロポリス・ハスティングの調整法について説明されている。
参考スコア（独自算出の注目度）: 6.508258987350145
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We exhibit examples of high-dimensional unimodal posterior distributions arising in non-linear regression models with Gaussian process priors for which worst-case (`cold start') initialised MCMC methods typically take an exponential run-time to enter the regions where the bulk of the posterior measure concentrates. The counter-examples hold for general MCMC schemes based on gradient or random walk steps, and the theory is illustrated for Metropolis-Hastings adjusted methods such as pCN and MALA.
Abstract（参考訳）: 本稿では,非線形回帰モデルで生じる高次元一次元後方分布の例を示す。この場合,最悪ケース ( ‘cold start') を初期化したMCMC法は,後方測度の大部分が集中する領域に入るのに指数的実行時間を要するのが一般的である。逆例としては、勾配やランダムウォークステップに基づく一般的なmcmcスキームがあり、この理論は、pcnやマラのようなメトロポリス・ヘイスティング調整法で示されている。

関連論文リスト

Symmetry-driven embedding of networks in hyperbolic space [0.4779196219827508]
双曲モデルでは、経験的ネットワークの重み付き次数分布、高いクラスタリング、階層構造を再現することができる。しかし、ネットワークの双曲座標を見つけるための現在のアルゴリズムは、推論された座標の不確かさを定量化しない。 BIGUEはマルコフ連鎖モンテカルロアルゴリズムであり、ベイズ的双曲乱数グラフモデルの後部分布をサンプリングする。
論文参考訳（メタデータ） (2024-06-15T18:44:02Z)
Randomized Physics-Informed Machine Learning for Uncertainty Quantification in High-Dimensional Inverse Problems [49.1574468325115]
本研究では,高次元逆問題における不確実性定量化のための物理インフォームド機械学習手法を提案する。我々は解析的に、そして、ハミルトン・モンテカルロとの比較を通して、rPICKLE はベイズ則によって与えられる真の後続に収束することを示す。
論文参考訳（メタデータ） (2023-12-11T07:33:16Z)
Learning Energy-Based Prior Model with Diffusion-Amortized MCMC [89.95629196907082]
非収束短距離MCMCを用いた事前及び後方サンプリングによる潜時空間EMM学習の一般的な実践は、さらなる進歩を妨げている。本稿では,MCMCサンプリングのための単純だが効果的な拡散型アモータイズ手法を導入し,それに基づく潜時空間EMMのための新しい学習アルゴリズムを開発した。
論文参考訳（メタデータ） (2023-10-05T00:23:34Z)
Chebyshev Particles [0.0]
まず、対象の後方分布を無限次元ユークリッド空間におけるサンプルの写像として考える。重み付けされたリース分極量を最大化して、ペアの相互作用により、補正可能な部分多様体を識別する新しい基準を提案する。我々は,合成データを用いた線形状態空間モデルと実世界のデータを用いた非線形ボラティリティモデルを用いたパラメータ推論実験により,高い性能を実現した。
論文参考訳（メタデータ） (2023-09-10T16:40:30Z)
Object based Bayesian full-waveform inversion for shear elastography [0.0]
組織中の異常画像のせん断エラストグラフィーにおける不確かさを定量化する計算手法を開発した。パラメータフィールドの後方確率は異常の幾何とそのせん断率を表わす。滑らかで不規則な形状の合成2次元試験に対するアプローチを実証する。
論文参考訳（メタデータ） (2023-05-11T08:25:25Z)
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)
Determination of the critical exponents in dissipative phase transitions: Coherent anomaly approach [51.819912248960804]
オープン量子多体系の定常状態に存在する相転移の臨界指数を抽出するコヒーレント異常法の一般化を提案する。
論文参考訳（メタデータ） (2021-03-12T13:16:18Z)
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)
Universal Statistics of Vortices in a Newborn Holographic Superconductor: Beyond the Kibble-Zurek Mechanism [52.77024349608834]
祝福されたキブルズレック機構(KZM)を超える普遍的シグネチャについて検討する。我々は, 熱クエンチで発生する渦の分布を特徴付け, ホログラフィック超伝導体の形成に繋がる。
論文参考訳（メタデータ） (2021-01-06T18:06:40Z)
Optimization-Based MCMC Methods for Nonlinear Hierarchical Statistical Inverse Problems [0.6091702876917279]
多くの階層的逆問題において、パラメータ・可観測写像において高次元あるいは無限次元のモデルパラメータを推定するだけでなく、ハイパーパラメータを推定する必要がある。本研究では,階層型ベイズ逆問題の解法として,スケーラブルな最適化に基づくマルコフ連鎖モンテカルロ法(MCMC)を提案する。
論文参考訳（メタデータ） (2020-02-15T10:19:42Z)

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。