Fugu-MT 論文翻訳(概要): Irregular Sampling of High-Dimensional Functions in Reproducing Kernel Hilbert Spaces

論文の概要: Irregular Sampling of High-Dimensional Functions in Reproducing Kernel Hilbert Spaces

arxiv url: http://arxiv.org/abs/2504.13543v1
Date: Fri, 18 Apr 2025 08:18:15 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-28 16:46:40.09994
Title: Irregular Sampling of High-Dimensional Functions in Reproducing Kernel Hilbert Spaces
Title（参考訳）: カーネルヒルベルト空間の再生における高次元関数の不規則サンプリング
Authors: Armin Iske, Lennart Ohlsen,
Abstract要約: 我々は、カーネルヒルベルト空間の再現における高次元関数のサンプリング式を開発する。より高次元における不規則なサンプルを決定するテンソルを得るために、低次元における不規則なサンプルを決定することができることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We develop sampling formulas for high-dimensional functions in reproducing kernel Hilbert spaces, where we rely on irregular samples that are taken at determining sequences of data points. We place particular emphasis on sampling formulas for tensor product kernels, where we show that determining irregular samples in lower dimensions can be composed to obtain a tensor of determining irregular samples in higher dimensions. This in turn reduces the computational complexity of sampling formulas for high-dimensional functions quite significantly.
Abstract（参考訳）: 我々は、カーネルヒルベルト空間の再現における高次元関数のサンプリング式を開発し、そこでは、データ点の列を決定するために取られる不規則なサンプルに依存する。テンソル積核のサンプリング公式に特に重点を置いており、より低次元で不規則なサンプルを決定することは、高次元で不規則なサンプルを決定するテンソルが得られることを示す。これにより、高次元関数のサンプリング公式の計算複雑性が著しく低下する。

関連論文リスト

Sampling through Algorithmic Diffusion in non-convex Perceptron problems [2.860608352191896]
複製法に基づく形式化を導入し,数桁のパラメータで実現可能性を示す。負の安定性を持つパーセプトロン問題の場合、レプリカ領域全体にわたって近似均一サンプリングが達成可能であることを示す。対照的に、二元パーセプトロンの場合、典型的な解の集合によって示される重なり合いのギャップ特性により拡散による一様サンプリングは必ず失敗する。
論文参考訳（メタデータ） (2025-02-22T16:43:01Z)
Weak Generative Sampler to Efficiently Sample Invariant Distribution of Stochastic Differential Equation [8.67581853745823]
現在のディープラーニングに基づく手法は、定常フォッカー-プランク方程式を解き、ディープニューラルネットワークの形で不変確率密度関数を決定する。本稿では, 弱い生成サンプル(WGS)を用いて, 独立かつ同一に分布したサンプルを直接生成するフレームワークを提案する。提案した損失関数はFokker-Planck方程式の弱い形式に基づいており、正規化フローを統合して不変分布を特徴づける。
論文参考訳（メタデータ） (2024-05-29T16:41:42Z)
Signal reconstruction using determinantal sampling [13.531952725283027]
ランダムなノード集合に対する有限個の評価から, 2乗可積分関数の近似について検討する。決定点過程とその混合物は, 高速収束速度が得られることを示す。
論文参考訳（メタデータ） (2023-10-13T23:02:57Z)
Chebyshev Particles [0.0]
まず、対象の後方分布を無限次元ユークリッド空間におけるサンプルの写像として考える。重み付けされたリース分極量を最大化して、ペアの相互作用により、補正可能な部分多様体を識別する新しい基準を提案する。我々は,合成データを用いた線形状態空間モデルと実世界のデータを用いた非線形ボラティリティモデルを用いたパラメータ推論実験により,高い性能を実現した。
論文参考訳（メタデータ） (2023-09-10T16:40:30Z)
Gradient-Based Feature Learning under Structured Data [57.76552698981579]
異方性設定では、一般的に使用される球面勾配力学は真の方向を回復できないことがある。バッチ正規化を連想させる適切な重み正規化は、この問題を軽減することができることを示す。特に、スパイクモデルの下では、勾配に基づくトレーニングのサンプルの複雑さは情報指数とは独立にできる。
論文参考訳（メタデータ） (2023-09-07T16:55:50Z)
$\infty$-Diff: Infinite Resolution Diffusion with Subsampled Mollified States [13.75813166759549]
$infty$-Diff は無限次元ヒルベルト空間で定義される生成拡散モデルである。ランダムにサンプリングされた座標部分集合のトレーニングにより、任意の分解能サンプリングのための連続関数を学習する。
論文参考訳（メタデータ） (2023-03-31T17:58:08Z)
Score-based Diffusion Models in Function Space [137.70916238028306]
拡散モデルは、最近、生成モデリングの強力なフレームワークとして登場した。この研究は、関数空間における拡散モデルをトレーニングするためのDDO(Denoising Diffusion Operators)と呼ばれる数学的に厳密なフレームワークを導入する。データ解像度に依存しない固定コストで、対応する離散化アルゴリズムが正確なサンプルを生成することを示す。
論文参考訳（メタデータ） (2023-02-14T23:50:53Z)
Intrinsic dimension estimation for discrete metrics [65.5438227932088]
本稿では,離散空間に埋め込まれたデータセットの内在次元(ID)を推定するアルゴリズムを提案する。我々は,その精度をベンチマークデータセットで示すとともに,種鑑定のためのメダゲノミクスデータセットの分析に応用する。このことは、列の空間の高次元性にもかかわらず、蒸発圧が低次元多様体に作用することを示唆している。
論文参考訳（メタデータ） (2022-07-20T06:38:36Z)
Experimental Design for Linear Functionals in Reproducing Kernel Hilbert Spaces [102.08678737900541]
線形汎関数に対するバイアス認識設計のためのアルゴリズムを提供する。準ガウス雑音下での固定および適応設計に対する漸近的でない信頼集合を導出する。
論文参考訳（メタデータ） (2022-05-26T20:56:25Z)
Intrinsic Dimension Estimation [92.87600241234344]
内在次元の新しい推定器を導入し, 有限標本, 非漸近保証を提供する。次に、本手法を適用して、データ固有の次元に依存するGAN(Generative Adversarial Networks)に対する新しいサンプル複雑性境界を求める。
論文参考訳（メタデータ） (2021-06-08T00:05:39Z)
Fast approximations in the homogeneous Ising model for use in scene analysis [61.0951285821105]
我々は、推論に必要な量を数値計算できる正確な近似を提供する。近似式はスケーラブルでマルコフランダム場の大きさに満足できないことを示す。機能的磁気共鳴イメージングアクティベーション検出実験においてベイズ推論を行い, ピスタチオ樹収量の年次増加の空間パターンにおける異方性に対する確率比試験を行った。
論文参考訳（メタデータ） (2017-12-06T14:24:34Z)

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。