論文の概要: On the Hopf-Cole Transform for Control-affine Schrödinger Bridge
- arxiv url: http://arxiv.org/abs/2503.17640v1
- Date: Sat, 22 Mar 2025 04:08:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-26 19:42:58.331959
- Title: On the Hopf-Cole Transform for Control-affine Schrödinger Bridge
- Title（参考訳）: 制御アフィンシュレーディンガー橋のホップカラー変態について
- Authors: Alexis Teter, Abhishek Halder,
- Abstract要約: ホップ・コール変換が汎用制御-アフィン・シュル・オーディンガー橋問題に対する最適条件に適用されたことを示す。
結果のPDEを非線形逆流拡散-拡散-反応方程式として解釈する方法を説明する。
- 参考スコア（独自算出の注目度）: 0.4972323953932129
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The purpose of this note is to clarify the importance of the relation $\boldsymbol{gg}^{\top}\propto \boldsymbol{\sigma\sigma}^{\top}$ in solving control-affine Schr\"{o}dinger bridge problems via the Hopf-Cole transform, where $\boldsymbol{g},\boldsymbol{\sigma}$ are the control and noise coefficients, respectively. We show that the Hopf-Cole transform applied to the conditions of optimality for generic control-affine Schr\"{o}dinger bridge problems, i.e., without the assumption $\boldsymbol{gg}^{\top}\propto\boldsymbol{\sigma\sigma}^{\top}$, gives a pair of forward-backward PDEs that are neither linear nor equation-level decoupled. We explain how the resulting PDEs can be interpreted as nonlinear forward-backward advection-diffusion-reaction equations, where the nonlinearity stem from additional drift and reaction terms involving the gradient of the log-likelihood a.k.a. the score. These additional drift and reaction vanish when $\boldsymbol{gg}^{\top}\propto\boldsymbol{\sigma\sigma}^{\top}$, and the resulting boundary-coupled system of linear PDEs can then be solved by dynamic Sinkhorn recursions. A key takeaway of our work is that the numerical solution of the generic control-affine Schr\"{o}dinger bridge requires further algorithmic development, possibly generalizing the dynamic Sinkhorn recursion or otherwise.
- Abstract（参考訳）: このノートの目的は、制御-アフィンSchr\ "{o}dinger bridge problem via the Hopf-Cole transform における $\boldsymbol{g}^{\top}\propto \boldsymbol{\sigma\sigma}^{\top}$ の重要性を明らかにすることである。
一般的な制御-アフィン Schr\"{o}dinger ブリッジ問題に対する最適条件に適用されたホップ・コール変換(英語版)、すなわち、$\boldsymbol{gg}^{\top}\propto\boldsymbol{\sigma\sigma}^{\top}$がなければ、線型でも方程式レベルの分離でもない前方方向のPDEのペアを与える。
結果のPDEを非線型逆流-拡散-反応方程式として解釈し, 非線形性は, 対数類似度 a.k.a. の勾配を含む追加のドリフトおよび反応項から導かれる。
これらの追加のドリフトと反応は $\boldsymbol{gg}^{\top}\propto\boldsymbol{\sigma\sigma}^{\top}$ によって消失し、線形PDEの境界結合系は動的シンクホーン再帰法によって解ける。
我々の研究の要点は、一般的な制御アフィンシュルンディンガーブリッジの数値解がさらなるアルゴリズム開発を必要とし、おそらくシンクホーン再帰を一般化することである。
関連論文リスト
- Markov Kernels, Distances and Optimal Control: A Parable of Linear Quadratic Non-Gaussian Distribution Steering [3.497013356387396]
Ito Markovfusion $mathrmdboldsymbolx_t=boldsymbolx_t=boldsymbolx_t=boldsymbolx_t=boldsymbolx_t=boldsymbolx_t=boldsymbolx_t=boldsymbolx_t=boldsymbolx_t=boldsymbolx_t=boldsymbolx_t
論文 参考訳（メタデータ） (2025-04-22T10:07:43Z) - Conditional Mutual Information Based Diffusion Posterior Sampling for Solving Inverse Problems [3.866047645663101]
コンピュータビジョンでは、インペイント、デブロアリング、超解像といったタスクは逆問題として一般的に定式化される。
近年, 拡散モデル (DM) が, 雑音の線形逆問題に対処するための有望なアプローチとして出現している。
本稿では,逆問題の解法におけるDMの有効性を改善するための情報理論的手法を提案する。
論文 参考訳（メタデータ） (2025-01-06T09:45:26Z) - Learning with Norm Constrained, Over-parameterized, Two-layer Neural Networks [54.177130905659155]
近年の研究では、再生カーネルヒルベルト空間(RKHS)がニューラルネットワークによる関数のモデル化に適した空間ではないことが示されている。
本稿では,有界ノルムを持つオーバーパラメータ化された2層ニューラルネットワークに適した関数空間について検討する。
論文 参考訳（メタデータ） (2024-04-29T15:04:07Z) - Resilience of Rademacher chaos of low degree [5.3390449198644445]
ラデマッハカオスのレジリエンスは、カオスが持続できる敵のサインフリップの最大数である。
我々はRadecherカオスの弾力性に関する確率的低バウンド保証を提供する。
次数2のラデマッハカオスと次数2のラデマッハカオスは,同じ概念的枠組みで確立されているが,大きな違いがある。
論文 参考訳（メタデータ） (2024-02-16T08:27:55Z) - On the Contraction Coefficient of the Schr\"odinger Bridge for
Stochastic Linear Systems [15.022863946000495]
シュリンガー橋の問題を数値的に解く一般的な方法は、契約的不動点再帰(英語版)である。
それぞれのシュリンガー系の収束に伴う収縮係数の事前推定について検討する。
論文 参考訳（メタデータ） (2023-09-12T22:24:05Z) - Transformers as Support Vector Machines [54.642793677472724]
自己アテンションの最適化幾何と厳密なSVM問題との間には,形式的等価性を確立する。
勾配降下に最適化された1層変圧器の暗黙バイアスを特徴付ける。
これらの発見は、最適なトークンを分離し選択するSVMの階層としてのトランスフォーマーの解釈を刺激していると信じている。
論文 参考訳（メタデータ） (2023-08-31T17:57:50Z) - Planar Curve Registration using Bayesian Inversion [0.0]
ベイズ逆問題としてパラメータ化独立閉曲線マッチングについて検討する。
曲線の運動は、周囲空間に作用する微分同相群上の曲線を通してモデル化される。
我々は、ターゲットとアンサンブル平均形状の差を測定するために、負のソボレフミスマッチペナルティを用いたアンサンブルカルマンインバージョンを採用する。
論文 参考訳（メタデータ） (2023-07-10T21:26:43Z) - Near-optimal fitting of ellipsoids to random points [68.12685213894112]
楕円体をランダムな点に合わせるという基本的な問題は、低ランク行列分解、独立成分分析、主成分分析に関係している。
我々はこの予想を、ある$n = Omega(, d2/mathrmpolylog(d))$ に対する適合楕円体を構成することで対数的因子まで解決する。
我々の証明は、ある非標準確率行列の便利な分解を用いて、サンダーソン等最小二乗構成の実現可能性を示す。
論文 参考訳（メタデータ） (2022-08-19T18:00:34Z) - The Franke-Gorini-Kossakowski-Lindblad-Sudarshan (FGKLS) Equation for
Two-Dimensional Systems [62.997667081978825]
開量子系は、FGKLS(Franke-Gorini-Kossakowski-Lindblad-Sudarshan)方程式に従うことができる。
我々はヒルベルト空間次元が 2$ である場合を徹底的に研究する。
論文 参考訳（メタデータ） (2022-04-16T07:03:54Z) - The Schr\"odinger Bridge between Gaussian Measures has a Closed Form [101.79851806388699]
我々は OT の動的定式化(Schr"odinger bridge (SB) 問題)に焦点を当てる。
本稿では,ガウス測度間のSBに対する閉形式表現について述べる。
論文 参考訳（メタデータ） (2022-02-11T15:59:01Z) - Projection-free Graph-based Classifier Learning using Gershgorin Disc
Perfect Alignment [59.87663954467815]
グラフベースのバイナリ学習では、既知のラベルのサブセット$hatx_i$を使って未知のラベルを推論する。
ラベルの$x_i$をバイナリ値に制限する場合、問題はNPハードである。
代わりに線形プログラム(LP)の列を解くことにより,高速なプロジェクションフリー手法を提案する。
論文 参考訳（メタデータ） (2021-06-03T07:22:48Z) - GO Hessian for Expectation-Based Objectives [73.06986780804269]
GOグラデーションは、最近予測に基づく目的に対して$mathbbE_q_boldsymboldsymboldsymbolgamma(boldsymboly) [f(boldsymboly)]$として提案された。
GO勾配に基づいて、$mathbbE_q_boldsymboldsymboldsymbolgamma(boldsymboly) [f(boldsymboly)]$ an unbiased low-variance Hessian estimator, named GO Hessian を示す。
論文 参考訳（メタデータ） (2020-06-16T02:20:41Z) - The generalization error of max-margin linear classifiers: Benign
overfitting and high dimensional asymptotics in the overparametrized regime [11.252856459394854]
現代の機械学習分類器は、トレーニングセットに消滅する分類誤差を示すことが多い。
これらの現象に触発され、線形分離可能なデータに対する高次元の最大マージン分類を再検討する。
論文 参考訳（メタデータ） (2019-11-05T00:15:27Z)
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。