Fugu-MT 論文翻訳(概要): Combining Flow Matching and Transformers for Efficient Solution of Bayesian Inverse Problems

論文の概要: Combining Flow Matching and Transformers for Efficient Solution of Bayesian Inverse Problems

arxiv url: http://arxiv.org/abs/2503.01375v1
Date: Mon, 03 Mar 2025 10:17:56 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-05 19:22:58.309577
Title: Combining Flow Matching and Transformers for Efficient Solution of Bayesian Inverse Problems
Title（参考訳）: ベイズ逆問題の効率的な解法のためのフローマッチングと変圧器の組み合わせ
Authors: Daniil Sherki, Ivan Oseledets, Ekaterina Muravleva,
Abstract要約: 本研究では,CFM(Conditional Flow Mathching)とTransformerベースのアーキテクチャを組み合わせることで,様々な観測値に基づいて,そのような分布から効率的にサンプルを抽出できることを実証する。
参考スコア（独自算出の注目度）: 3.868222899558346
License:
Abstract: Solving Bayesian inverse problems efficiently remains a significant challenge due to the complexity of posterior distributions and the computational cost of traditional sampling methods. Given a series of observations and the forward model, we want to recover the distribution of the parameters, conditioned on observed experimental data. We show, that combining Conditional Flow Mathching (CFM) with transformer-based architecture, we can efficiently sample from such kind of distribution, conditioned on variable number of observations.
Abstract（参考訳）: ベイジアン逆問題を効率的に解くことは、後続分布の複雑さと従来のサンプリング手法の計算コストが原因で重要な課題である。一連の観測と前方モデルを考えると、観測された実験データに基づいてパラメータの分布を復元したい。本研究では,CFM(Conditional Flow Mathching)とTransformerベースのアーキテクチャを組み合わせることで,様々な観測値に基づいて,そのような分布から効率的にサンプルを抽出できることを実証する。

関連論文リスト

Solving High-dimensional Inverse Problems Using Amortized Likelihood-free Inference with Noisy and Incomplete Data [43.43717668587333]
本研究では,高次元逆問題に対する正規化フローに基づく確率論的逆転法を提案する。提案手法は,データ圧縮のための要約ネットワークとパラメータ推定のための推論ネットワークの2つの補完ネットワークで構成されている。提案手法を地下水水文学における逆問題に適用し,空間的に疎らな時系列観測に基づく対流電界の後方分布を推定する。
論文参考訳（メタデータ） (2024-12-05T19:13:17Z)
Unveiling the Statistical Foundations of Chain-of-Thought Prompting Methods [59.779795063072655]
CoT(Chain-of-Thought)の促進とその変種は、多段階推論問題を解決する効果的な方法として人気を集めている。統計的推定の観点からCoTのプロンプトを解析し,その複雑さを包括的に評価する。
論文参考訳（メタデータ） (2024-08-25T04:07:18Z)
Scalable diffusion posterior sampling in infinite-dimensional inverse problems [5.340736751238338]
本研究では,サンプリング中の前方マッピング評価を回避できる拡張拡散後サンプリング法を提案する。この手法は無限次元拡散モデルに一般化され、厳密な収束解析と高次元CT画像実験によって検証される。
論文参考訳（メタデータ） (2024-05-24T15:33:27Z)
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)
Inverse Models for Estimating the Initial Condition of Spatio-Temporal Advection-Diffusion Processes [5.814371485767541]
逆問題とは、観測データを用いて物理過程の未知のパラメータについて推論することである。本稿では,空間的に疎いデータストリームを用いた時空間対流拡散過程の初期状態の推定について検討する。
論文参考訳（メタデータ） (2023-02-08T15:30:16Z)
Diffusion Posterior Sampling for General Noisy Inverse Problems [50.873313752797124]
我々は、後方サンプリングの近似により、雑音(非線形)逆問題に対処するために拡散解法を拡張した。本手法は,拡散モデルが様々な計測ノイズ統計を組み込むことができることを示す。
論文参考訳（メタデータ） (2022-09-29T11:12:27Z)
Conditioning Normalizing Flows for Rare Event Sampling [61.005334495264194]
本稿では,ニューラルネットワーク生成構成に基づく遷移経路サンプリング手法を提案する。本手法は遷移領域の熱力学と運動学の両方の解法を可能にすることを示す。
論文参考訳（メタデータ） (2022-07-29T07:56:10Z)
Improving Diffusion Models for Inverse Problems using Manifold Constraints [55.91148172752894]
我々は,現在の解法がデータ多様体からサンプルパスを逸脱し,エラーが蓄積することを示す。この問題に対処するため、多様体の制約に着想を得た追加の補正項を提案する。本手法は理論上も経験上も従来の方法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-06-02T09:06:10Z)
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)
Stochastic Normalizing Flows for Inverse Problems: a Markov Chains Viewpoint [0.45119235878273]
マルコフ連鎖の観点からのフローの正規化を考える。遷移密度を一般マルコフ核に置き換え、ラドン-ニコディム微分による証明を確立する。提案した条件付き正規化フローの性能を数値例で示す。
論文参考訳（メタデータ） (2021-09-23T13:44:36Z)

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。