論文の概要: Tight Bounds on Jensen's Gap: Novel Approach with Applications in Generative Modeling

• arxiv url: http://arxiv.org/abs/2502.03988v1
• Date: Thu, 06 Feb 2025 11:44:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-07 14:31:58.504400
• Title: Tight Bounds on Jensen's Gap: Novel Approach with Applications in Generative Modeling
• Title（参考訳）: Jensenのギャップのタイトバウンド:ジェネレーティブ・モデリングにおける新しいアプローチ
• Authors: Marcin Mazur, Piotr Kościelniak, Łukasz Struski,
• Abstract要約: 本稿では,ジェンセンのギャップの上下境界を求める新しい手法を提案する。 対数関数と対数正規分布を詳細に研究することにより、実世界のデータセットで訓練された生成モデルの対数類似度を厳密に推定する方法を探索する。
• 参考スコア（独自算出の注目度）: 0.5325390073522079
• License:
• Abstract: Among various mathematical tools of particular interest are those that provide a common basis for researchers in different scientific fields. One of them is Jensen's inequality, which states that the expectation of a convex function is greater than or equal to the function evaluated at the expectation. The resulting difference, known as Jensen's gap, became the subject of investigation by both the statistical and machine learning communities. Among many related topics, finding lower and upper bounds on Jensen's gap (under different assumptions on the underlying function and distribution) has recently become a problem of particular interest. In our paper, we take another step in this direction by providing a novel general and mathematically rigorous technique, motivated by the recent results of Struski et al. (2023). In addition, by studying in detail the case of the logarithmic function and the log-normal distribution, we explore a method for tightly estimating the log-likelihood of generative models trained on real-world datasets. Furthermore, we present both analytical and experimental arguments in support of the superiority of our approach in comparison to existing state-of-the-art solutions, contingent upon fulfillment of the criteria set forth by theoretical studies and corresponding experiments on synthetic data.
• Abstract（参考訳）: 特に興味深い数学の道具には、異なる科学分野の研究者に共通の基礎を提供するものがある。 そのうちの1つはイェンセンの不等式であり、凸函数の期待値が期待値で評価された関数よりも大きいか等しいかを述べる。 イェンセンのギャップと呼ばれる結果の差は、統計学と機械学習の双方のコミュニティによる調査の対象となった。 多くの関連するトピックの中で、Jensenのギャップ(基礎となる関数と分布の異なる仮定の下で)の下位と上位の境界を見つけることは、最近特に関心のある問題となっている。 本稿では,Struski et al (2023) の最近の成果に動機づけられた,新しい汎用的,数学的に厳密な手法を提供することにより,この方向への新たな一歩を踏み出した。 さらに、対数関数と対数正規分布のケースを詳細に研究することにより、実世界のデータセットで訓練された生成モデルの対数類似度を厳密に推定する方法を探索する。 さらに,既存の最先端ソリューションと比較して,我々のアプローチの優位性を支持するための分析的および実験的な議論,理論的研究による基準の履行,および合成データに対する対応する実験について述べる。

関連論文リスト

• Unveil Conditional Diffusion Models with Classifier-free Guidance: A Sharp Statistical Theory [87.00653989457834]
  条件付き拡散モデルは現代の画像合成の基礎となり、計算生物学や強化学習などの分野に広く応用されている。 経験的成功にもかかわらず、条件拡散モデルの理論はほとんど欠落している。 本稿では,条件拡散モデルを用いた分布推定の急激な統計的理論を提示することにより,ギャップを埋める。
  論文  参考訳（メタデータ） (2024-03-18T17:08:24Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• An analysis of Universal Differential Equations for data-driven discovery of Ordinary Differential Equations [7.48176340790825]
  我々は、普通微分方程式(ODE)発見の文脈で、UDEフレームワークをテストすることで貢献する。 データ駆動型アプローチと数値解法を組み合わせる際の問題をいくつか取り上げる。 我々は,物理インフォームド・機械学習フレームワークの能力と限界を調査する上で,我々の分析は重要な貢献であると考えている。
  論文  参考訳（メタデータ） (2023-06-17T12:26:50Z)
• On the Joint Interaction of Models, Data, and Features [82.60073661644435]
  本稿では,データとモデル間の相互作用を実験的に解析する新しいツールであるインタラクションテンソルを紹介する。 これらの観測に基づいて,特徴学習のための概念的枠組みを提案する。 この枠組みの下では、一つの仮説に対する期待された精度と一対の仮説に対する合意はどちらも閉形式で導出することができる。
  論文  参考訳（メタデータ） (2023-06-07T21:35:26Z)
• Demystifying Disagreement-on-the-Line in High Dimensions [34.103373453782744]
  我々は高次元のランダム特徴回帰における不一致を解析するための理論的基盤を開発する。 CIFAR-10-C、Tiny ImageNet-C、Camelyon17の実験は、我々の理論と一致しており、理論的な発見の普遍性を支持する。
  論文  参考訳（メタデータ） (2023-01-31T02:31:18Z)
• A Unifying Framework for Some Directed Distances in Statistics [0.0]
  密度に基づく有向距離(特に発散距離)は統計学で広く使われている。 本稿では、密度ベースと分布関数ベースの分散アプローチの両方を網羅する一般的なフレームワークを提供する。 我々は、有望な相互情報の代替として、確率変数間の依存の新たな概念を導出する。
  論文  参考訳（メタデータ） (2022-03-02T04:24:13Z)
• Loss function based second-order Jensen inequality and its application to particle variational inference [112.58907653042317]
  粒子変分推論(PVI)は、後部分布の実験的近似としてモデルのアンサンブルを用いる。 PVIは、最適化されたモデルの多様性を保証するために、各モデルを反発力で反復的に更新する。 我々は,新たな一般化誤差を導出し,モデルの多様性を高めて低減できることを示す。
  論文  参考訳（メタデータ） (2021-06-09T12:13:51Z)
• Marginal likelihood computation for model selection and hypothesis testing: an extensive review [66.37504201165159]
  この記事では、このトピックの最先端に関する総合的な研究について紹介する。 さまざまなテクニックの制限、メリット、コネクション、差異を強調します。 また、不適切な事前利用の問題や解決法についても述べる。
  論文  参考訳（メタデータ） (2020-05-17T18:31:58Z)
• A Survey on Causal Inference [64.45536158710014]
  因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。 観測データに対する様々な因果効果推定法が誕生した。
  論文  参考訳（メタデータ） (2020-02-05T21:35:29Z)

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。