論文の概要: Simulation-based inference with scattering representations: scattering is all you need

• arxiv url: http://arxiv.org/abs/2410.11883v1
• Date: Fri, 11 Oct 2024 10:09:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-17 13:43:28.420684
• Title: Simulation-based inference with scattering representations: scattering is all you need
• Title（参考訳）: 散乱表現を用いたシミュレーションに基づく推論:散乱は必要なだけである
• Authors: Kiyam Lin, Benjamin Joachimi, Jason D. McEwen,
• Abstract要約: 本稿では,画像を用いたシミュレーションに基づく推論において,さらなる圧縮を伴わない散乱表現の初成功例を示す。 空間平均化とより表現力のある密度推定器を組み合わせることでこれを克服する。 予想通り、散乱のみが従来の2次要約統計よりも多くの情報を引き出すことを示す。
• 参考スコア（独自算出の注目度）: 4.9606106069474905
• License:
• Abstract: We demonstrate the first successful use of scattering representations without further compression for simulation-based inference (SBI) with images (i.e. field-level), illustrated with a cosmological case study. Scattering representations provide a highly effective representational space for subsequent learning tasks, although the higher dimensional compressed space introduces challenges. We overcome these through spatial averaging, coupled with more expressive density estimators. Compared to alternative methods, such an approach does not require additional simulations for either training or computing derivatives, is interpretable, and resilient to covariate shift. As expected, we show that a scattering only approach extracts more information than traditional second order summary statistics.
• Abstract（参考訳）: 本研究では,画像を用いたシミュレーションベース推論(SBI)のさらなる圧縮を伴わない散乱表現の初成功例を,宇宙論的なケーススタディで示す。 散乱表現は、高次元圧縮空間は課題をもたらすが、後続の学習タスクに対して非常に効果的な表現空間を提供する。 空間平均化とより表現力のある密度推定器を組み合わせることでこれを克服する。 代替手法と比較して、そのような手法は訓練や微分の計算に余分なシミュレーションを必要とせず、解釈可能であり、共変量シフトに耐性がある。 予想通り、散乱のみが従来の2次要約統計よりも多くの情報を引き出すことを示す。

関連論文リスト

• A Slices Perspective for Incremental Nonparametric Inference in High Dimensional State Spaces [25.16567521220103]
  本研究では,高次元状態空間における漸進的非パラメトリック確率推定法を提案する。 提案手法は高次元表面のスライスを利用して任意の形状の後方分布を効率的に近似する。
  論文  参考訳（メタデータ） (2024-05-26T06:52:56Z)
• Embedding Trajectory for Out-of-Distribution Detection in Mathematical Reasoning [50.84938730450622]
  数理推論におけるOOD検出にトラジェクトリボラティリティを用いたトラジェクトリベースのTVスコアを提案する。 本手法は, 数学的推論シナリオ下でのGLM上での従来のアルゴリズムよりも優れる。 提案手法は,複数選択質問などの出力空間における高密度特徴を持つアプリケーションに拡張することができる。
  論文  参考訳（メタデータ） (2024-05-22T22:22:25Z)
• Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
  シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。 本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。 提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
  論文  参考訳（メタデータ） (2024-04-11T09:23:36Z)
• Estimation of multiple mean vectors in high dimension [4.2466572124753]
  我々は,独立標本に基づいて,共通空間上の様々な確率分布の多次元的手段を推定する。 我々のアプローチは、これらのサンプルから得られた経験的手段の凸結合による推定器の形成である。
  論文  参考訳（メタデータ） (2024-03-22T08:42:41Z)
• 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)
• A Variational Perspective on Solving Inverse Problems with Diffusion Models [101.831766524264]
  逆タスクは、データ上の後続分布を推測するものとして定式化することができる。 しかし、拡散過程の非線形的かつ反復的な性質が後部を引き付けるため、拡散モデルではこれは困難である。 そこで我々は,真の後続分布を近似する設計手法を提案する。
  論文  参考訳（メタデータ） (2023-05-07T23:00:47Z)
• Reflected Diffusion Models [93.26107023470979]
  本稿では,データのサポートに基づいて進化する反射微分方程式を逆転する反射拡散モデルを提案する。 提案手法は,一般化されたスコアマッチング損失を用いてスコア関数を学習し,標準拡散モデルの主要成分を拡張する。
  論文  参考訳（メタデータ） (2023-04-10T17:54:38Z)
• Federated Representation Learning via Maximal Coding Rate Reduction [109.26332878050374]
  本稿では,複数のクライアントに分散したデータセットから低次元表現を学習する手法を提案する。 提案手法はFLOWと呼ばれ, MCR2を選択の対象とし, その結果, クラス間判別とクラス内圧縮の両方が可能な表現が得られた。
  論文  参考訳（メタデータ） (2022-10-01T15:43:51Z)
• Inference and Sampling for Archimax Copulas [29.864637081333097]
  アルキマックスコプラ(Archimax copulas)は、分布のバルクと尾の同時モデリングを可能にする正確な表現を持つ分布の族である。 我々はArchimax copulasの表現に基づいて、非パラメトリック推論法とサンプリングアルゴリズムを開発した。 実験により, 最先端密度モデリング手法と比較し, 提案手法は高次元データへのスケーリングにおいて, 尾部を効果的に外挿することを示した。
  論文  参考訳（メタデータ） (2022-05-27T14:55:40Z)
• Distribution Agnostic Symbolic Representations for Time Series Dimensionality Reduction and Online Anomaly Detection [8.00114449574708]
  本稿では,データ駆動型SAXに基づく2つのシンボル表現を提案する。 提案した表現は, 従来のSAX法の魅力を全て有している。
  論文  参考訳（メタデータ） (2021-05-20T08:35:50Z)

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。