論文の概要: Inference Plans for Hybrid Particle Filtering
- arxiv url: http://arxiv.org/abs/2408.11283v1
- Date: Wed, 21 Aug 2024 02:07:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-22 18:48:55.526172
- Title: Inference Plans for Hybrid Particle Filtering
- Title（参考訳）: ハイブリッド粒子フィルタの推測計画
- Authors: Ellie Y. Cheng, Eric Atkinson, Guillaume Baudart, Louis Mandel, Michael Carbin,
- Abstract要約: ランダム変数のパーティショニングを開発者が制御できるプログラミングインターフェースである推論計画を提案する。
また、開発者はアノテーションを使って推論システムが実装しなければならない推論計画を指定することができる新しいPPLであるSirenを提示する。
評価では,3種類のハイブリッド粒子フィルタリングアルゴリズムに推論計画を適用し,推定計画による制御により平均1.76倍,目標精度を206倍まで向上できることを示す。
- 参考スコア（独自算出の注目度）: 8.074234734312258
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Advanced probabilistic programming languages (PPLs) use hybrid inference systems to combine symbolic exact inference and Monte Carlo methods to improve inference performance. These systems use heuristics to partition random variables within the program into variables that are encoded symbolically and variables that are encoded with sampled values, and the heuristics are not necessarily aligned with the performance evaluation metrics used by the developer. In this work, we present inference plans, a programming interface that enables developers to control the partitioning of random variables during hybrid particle filtering. We further present Siren, a new PPL that enables developers to use annotations to specify inference plans the inference system must implement. To assist developers with statically reasoning about whether an inference plan can be implemented, we present an abstract-interpretation-based static analysis for Siren for determining inference plan satisfiability. We prove the analysis is sound with respect to Siren's semantics. Our evaluation applies inference plans to three different hybrid particle filtering algorithms on a suite of benchmarks and shows that the control provided by inference plans enables speed ups of 1.76x on average and up to 206x to reach target accuracy, compared to the inference plans implemented by default heuristics; the results also show that inference plans improve accuracy by 1.83x on average and up to 595x with less or equal runtime, compared to the default inference plans. We further show that the static analysis is precise in practice, identifying all satisfiable inference plans in 27 out of the 33 benchmark-algorithm combinations.
- Abstract（参考訳）: 先進確率型プログラミング言語(PPL)は、シンボル的正確な推論とモンテカルロ法を組み合わせたハイブリッド推論システムを用いて推論性能を向上させる。
これらのシステムは、プログラム内のランダム変数を、象徴的に符号化された変数とサンプル値で符号化された変数に分割するためにヒューリスティックスを使用し、そのヒューリスティックスは、開発者が使用するパフォーマンス評価指標と必ずしも一致しない。
本研究では,ハイブリッド粒子フィルタリングにおけるランダム変数のパーティショニング制御を可能にするプログラミングインタフェースである推論計画を提案する。
さらに、開発者がアノテーションを使って推論システムが実装しなければならない推論計画を指定することができる新しいPPLであるSirenを紹介します。
推論計画が実装可能かどうかを静的に推論する開発者を支援するため,推論計画の満足度を決定するための抽象解釈に基づく静的解析をSierenに提示する。
我々は、この分析がシレンの意味論に関して健全であることを証明する。
評価の結果,提案手法では, 推定計画が平均1.76倍, 最大206倍の高速化を実現し, 推定計画が平均1.83倍, 平均595倍, 平均595倍の精度向上を実現していることがわかった。
さらに、静的解析は実際に正確であることを示し、33のベンチマークアルゴリズムの組み合わせのうち27に満足できる推論計画をすべて特定する。
関連論文リスト
- Semiparametric conformal prediction [79.6147286161434]
リスクに敏感なアプリケーションは、複数の、潜在的に相関したターゲット変数に対して、よく校正された予測セットを必要とする。
スコアをランダムなベクトルとして扱い、それらの連接関係構造を考慮した予測セットを構築することを目的とする。
実世界のレグレッション問題に対して,所望のカバレッジと競争効率について報告する。
論文 参考訳（メタデータ） (2024-11-04T14:29:02Z) - Efficient Learning of POMDPs with Known Observation Model in Average-Reward Setting [56.92178753201331]
我々は,POMDPパラメータを信念に基づくポリシを用いて収集したサンプルから学習することのできる観測・認識スペクトル(OAS)推定手法を提案する。
提案するOAS-UCRLアルゴリズムに対して,OASプロシージャの整合性を示し,$mathcalO(sqrtT log(T)$の残差保証を証明した。
論文 参考訳（メタデータ） (2024-10-02T08:46:34Z) - Symbolic Parameter Learning in Probabilistic Answer Set Programming [0.16385815610837165]
本稿では,確率的集合プログラミングの形式化を解くための2つのアルゴリズムを提案する。
第一に、オフザシェルフ制約最適化ソルバを用いてタスクを解く。
2つ目は期待最大化アルゴリズムの実装に基づいている。
論文 参考訳（メタデータ） (2024-08-16T13:32:47Z) - Probabilistic Programming with Programmable Variational Inference [45.593974530502095]
本稿では,構成プログラム変換に基づくPPLの変分推論を支援するための,よりモジュラーなアプローチを提案する。
我々の設計は、自動微分、密度、トレーシング、偏りのない勾配推定戦略の適用など、多くの相互作用する関心事に関するモジュラー推論を可能にする。
我々は、JAXで実装されたGen確率型プログラミングシステム(genjax.vi)の拡張として、我々のアプローチを実装し、いくつかの深い生成モデリングタスクを評価する。
論文 参考訳（メタデータ） (2024-06-22T05:49:37Z) - Uncertainty Quantification for Neurosymbolic Programs via Compositional Conformal Prediction [36.88661670156255]
コンフォーマル予測は、機械学習における不確実性を定量化するための有望な戦略として登場した。
本稿では,共形予測をニューロシンボリックプログラムに適用するための新しい枠組みを提案する。
MNISTとMS-COCOの画像を入力として利用するプログラムについて,本手法の評価を行った。
論文 参考訳（メタデータ） (2024-05-24T20:15:53Z) - Experiment Planning with Function Approximation [49.50254688629728]
本研究では,文脈的帯域幅問題における関数近似を用いた実験計画の問題点について検討する。
本稿では,関数近似に適合する2つの実験計画戦略を提案する。
そこで, 均一サンプリング器は, 動作数が少ない設定において, 競合最適性を達成できることを示す。
論文 参考訳（メタデータ） (2024-01-10T14:40:23Z) - Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳（メタデータ） (2023-11-08T00:10:21Z) - Maximum-Likelihood Inverse Reinforcement Learning with Finite-Time
Guarantees [56.848265937921354]
逆強化学習(IRL)は報酬関数と関連する最適ポリシーを回復することを目的としている。
IRLの多くのアルゴリズムは本質的にネスト構造を持つ。
我々は、報酬推定精度を損なわないIRLのための新しいシングルループアルゴリズムを開発した。
論文 参考訳（メタデータ） (2022-10-04T17:13:45Z) - Matching Pursuit Based Scheduling for Over-the-Air Federated Learning [67.59503935237676]
本稿では,フェデレートラーニング手法を用いて,オーバー・ザ・エアラーニングのための低複雑さデバイススケジューリングアルゴリズムのクラスを開発する。
最先端の提案方式と比較すると,提案方式は極めて低効率なシステムである。
提案手法の有効性は,CIFARデータセットを用いた実験により確認した。
論文 参考訳（メタデータ） (2022-06-14T08:14:14Z) - Adaptive Sequential Design for a Single Time-Series [2.578242050187029]
期待される結果を最適化するために、設計の制御されたコンポーネントの最適かつ未知の選択を学習する。
我々は、時間とともに収集されたデータに基づいて、将来のタイムポイント実験にランダム化機構を適用する。
論文 参考訳（メタデータ） (2021-01-29T22:51:45Z) - Scalable Approximate Inference and Some Applications [2.6541211006790983]
本稿では,近似推論のための新しいフレームワークを提案する。
提案する4つのアルゴリズムは,Steinの手法の最近の計算進歩に動機付けられている。
シミュレーションおよび実データを用いた結果から,アルゴリズムの統計的効率と適用性を示す。
論文 参考訳（メタデータ） (2020-03-07T04:33:27Z)
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。