Fugu-MT 論文翻訳(概要): Uncertainty Propagation in the Fast Fourier Transform

論文の概要: Uncertainty Propagation in the Fast Fourier Transform

arxiv url: http://arxiv.org/abs/2504.10136v1
Date: Mon, 14 Apr 2025 11:47:42 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-22 19:01:44.221271
Title: Uncertainty Propagation in the Fast Fourier Transform
Title（参考訳）: 高速フーリエ変換における不確実性伝播
Authors: Luca Schmid, Charlotte Muth, Laurent Schmalen,
Abstract要約: 本稿では,信念の伝播と期待の伝播を用いたベイズ近似の効率的な枠組みを提案する。提案手法は, 高精度な平均および分散推定値による安定収束を実現する。
参考スコア（独自算出の注目度）: 6.390468088226495
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We address the problem of uncertainty propagation in the discrete Fourier transform by modeling the fast Fourier transform as a factor graph. Building on this representation, we propose an efficient framework for approximate Bayesian inference using belief propagation (BP) and expectation propagation, extending its applicability beyond Gaussian assumptions. By leveraging an appropriate BP message representation and a suitable schedule, our method achieves stable convergence with accurate mean and variance estimates. Numerical experiments in representative scenarios from communications demonstrate the practical potential of the proposed framework for uncertainty-aware inference in probabilistic systems operating across both time and frequency domain.
Abstract（参考訳）: 本稿では、ファストフーリエ変換を因子グラフとしてモデル化することにより、離散フーリエ変換における不確実性伝播の問題に対処する。この表現に基づいて,信念の伝播(BP)と期待の伝播を用いたベイズ推定の効率的な枠組みを提案し,ガウス的仮定を超えて適用範囲を広げた。本手法は,適切なBPメッセージ表現と適切なスケジュールを利用することで,精度の高い平均および分散推定値の安定収束を実現する。通信の代表的なシナリオにおける数値実験は、時間領域と周波数領域の両方で動作する確率的システムにおいて、不確実性を考慮した推論のためのフレームワークの実用可能性を示す。

関連論文リスト

Distribution Transformers: Fast Approximate Bayesian Inference With On-The-Fly Prior Adaptation [16.582778766729387]
本稿では,任意の分布-分布マッピングを学習可能な新しいアーキテクチャである分散トランスフォーマーを紹介する。提案手法は,あるデータセットに条件付きで,対応する後部への事前のマッピングを訓練することができる。我々は、配電変換器が事前の変動に柔軟性を保ち、時間帯を数分からミリ秒に短縮できることを実証した。
論文参考訳（メタデータ） (2025-02-04T16:33:12Z)
Federated Generalised Variational Inference: A Robust Probabilistic Federated Learning Framework [12.454538785810259]
FedGVIは確率的フェデレートラーニング(FL)フレームワークで、事前およびおそらく誤特定に対して確実に堅牢である。固定点収束、空洞分布の最適性、証明可能なロバスト性の観点から理論的解析を行う。
論文参考訳（メタデータ） (2025-02-02T16:39:37Z)
Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
論文参考訳（メタデータ） (2024-07-01T20:44:48Z)
Uncertainty Quantification via Stable Distribution Propagation [60.065272548502]
本稿では,ニューラルネットワークによる安定確率分布の伝播手法を提案する。提案手法は局所線形化に基づいており,ReLU非線型性に対する全変動距離の近似値として最適であることを示す。
論文参考訳（メタデータ） (2024-02-13T09:40:19Z)
SMURF-THP: Score Matching-based UnceRtainty quantiFication for Transformer Hawkes Process [76.98721879039559]
SMURF-THPは,変圧器ホークス過程を学習し,予測の不確かさを定量化するスコアベース手法である。具体的には、SMURF-THPは、スコアマッチング目標に基づいて、イベントの到着時刻のスコア関数を学習する。我々は,イベントタイプ予測と到着時刻の不確実性定量化の両方において,広範な実験を行う。
論文参考訳（メタデータ） (2023-10-25T03:33:45Z)
Federated Conformal Predictors for Distributed Uncertainty Quantification [83.50609351513886]
コンフォーマル予測は、機械学習において厳密な不確実性定量化を提供するための一般的なパラダイムとして現れつつある。本稿では,共形予測を連邦学習環境に拡張する。本稿では、FL設定に適した部分交換可能性の弱い概念を提案し、それをフェデレート・コンフォーマル予測フレームワークの開発に利用する。
論文参考訳（メタデータ） (2023-05-27T19:57:27Z)
Robust probabilistic inference via a constrained transport metric [8.85031165304586]
我々は、パラメトリックな分布の族の近くに集中するように慎重に設計された指数関数的に傾いた経験的確に構築することで、新しい代替手段を提供する。提案手法は,多種多様なロバストな推論問題に応用し,中心分布に付随するパラメータを推論する。我々は,最先端の頑健なベイズ推論手法と比較した場合,提案手法の優れた性能を示す。
論文参考訳（メタデータ） (2023-03-17T16:10:06Z)
Double Robust Bayesian Inference on Average Treatment Effects [2.458652618559425]
不整合下での平均処理効果(ATE)に対する二重頑健なベイズ推定法を提案する。新しいベイズ的アプローチでは、まず条件付き平均関数の事前分布を調整し、得られた ATE の後方分布を補正する。
論文参考訳（メタデータ） (2022-11-29T15:32:25Z)
Distributionally Robust Optimal Power Flow with Contextual Information [0.0]
我々は、最適潮流問題(OPF)の分布的に頑健な確率制約付き定式化を開発する。我々は、確率トリミングとディスパッチソリューションが保護される最適輸送に基づくあいまいさセットを利用する。本稿では,風力出力の点予測とそれに伴う予測誤差とのよく知られた統計的依存を考慮した電力系統の利点について述べる。
論文参考訳（メタデータ） (2021-09-16T11:54:12Z)
Which Invariance Should We Transfer? A Causal Minimax Learning Approach [18.71316951734806]
本稿では、因果的観点からの包括的ミニマックス分析について述べる。最小の最悪のリスクを持つサブセットを探索する効率的なアルゴリズムを提案する。本手法の有効性と有効性は, 合成データとアルツハイマー病の診断で実証された。
論文参考訳（メタデータ） (2021-07-05T09:07:29Z)
Sampling-free Variational Inference for Neural Networks with Multiplicative Activation Noise [51.080620762639434]
サンプリングフリー変動推論のための後方近似のより効率的なパラメータ化を提案する。提案手法は,標準回帰問題に対する競合的な結果をもたらし,大規模画像分類タスクに適している。
論文参考訳（メタデータ） (2021-03-15T16:16:18Z)
Learning Disentangled Representations with Latent Variation Predictability [102.4163768995288]
本稿では,潜在不整合表現の変動予測可能性について述べる。逆生成プロセス内では、潜時変動と対応する画像対の相互情報を最大化することにより、変動予測可能性を高める。本研究では,潜在表現の絡み合いを測るために,基礎的構造的生成因子に依存しない評価指標を開発する。
論文参考訳（メタデータ） (2020-07-25T08:54:26Z)

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。