論文の概要: Diffusion-Based Hypothesis Testing and Change-Point Detection

• arxiv url: http://arxiv.org/abs/2506.16089v1
• Date: Thu, 19 Jun 2025 07:22:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:04.977073
• Title: Diffusion-Based Hypothesis Testing and Change-Point Detection
• Title（参考訳）: 拡散に基づく仮説テストと変化点検出
• Authors: Sean Moushegian, Taposh Banerjee, Vahid Tarokh,
• Abstract要約: スコアベースの仮説テストと変化点検出停止規則を拡散に基づくアナログに拡張する。 本稿では,拡散型アルゴリズムの利点を説明するために,重み行列を数値的に最適化し,数値シミュレーションを行う。
• 参考スコア（独自算出の注目度）: 25.217770225078397
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Score-based methods have recently seen increasing popularity in modeling and generation. Methods have been constructed to perform hypothesis testing and change-point detection with score functions, but these methods are in general not as powerful as their likelihood-based peers. Recent works consider generalizing the score-based Fisher divergence into a diffusion-divergence by transforming score functions via multiplication with a matrix-valued function or a weight matrix. In this paper, we extend the score-based hypothesis test and change-point detection stopping rule into their diffusion-based analogs. Additionally, we theoretically quantify the performance of these diffusion-based algorithms and study scenarios where optimal performance is achievable. We propose a method of numerically optimizing the weight matrix and present numerical simulations to illustrate the advantages of diffusion-based algorithms.
• Abstract（参考訳）: スコアベースの手法は最近、モデリングと生成の人気が高まっている。 スコア関数を用いて仮説テストや変化点検出を行う手法が構築されているが、これらの手法は一般にその可能性に基づくピアほど強力ではない。 近年の研究では、楽譜関数を行列値関数や重み行列と乗算して変換することで、楽譜に基づくフィッシャー偏差を拡散偏差に一般化することを検討している。 本稿では,スコアベースの仮説テストと変化点検出停止規則を拡散型アナログに拡張する。 さらに,これらの拡散に基づくアルゴリズムの性能を理論的に定量化し,最適性能が達成可能なシナリオについて検討する。 本稿では,拡散型アルゴリズムの利点を説明するために,重み行列の数値最適化法と数値シミュレーションを提案する。

関連論文リスト

• Solving Inverse Problems via Diffusion-Based Priors: An Approximation-Free Ensemble Sampling Approach [19.860268382547357]
  現在のDMに基づく後方サンプリング法は、生成過程への近似に依存する。 近似を使わずに後続サンプリングを行うアンサンブルに基づくアルゴリズムを提案する。 本アルゴリズムは,DM法と連続モンテカルロ法を組み合わせた既存手法に動機づけられる。
  論文  参考訳（メタデータ） (2025-06-04T14:09:25Z)
• Efficiently Access Diffusion Fisher: Within the Outer Product Span Space [18.839096876681644]
  拡散フィッシャーは実際に、スコアと初期データの外部積によって区切られた空間内に存在することを示す。 DFのトレース乗算と行列ベクトル乗算の2つの効率的な近似アルゴリズムを開発した。 確率評価と随伴最適化の実験により,提案アルゴリズムの精度と計算コストの低減が図られた。
  論文  参考訳（メタデータ） (2025-05-29T09:13:36Z)
• DIVE: Inverting Conditional Diffusion Models for Discriminative Tasks [79.50756148780928]
  本稿では,事前学習した拡散モデルを用いて識別課題を遂行する問題について検討する。 我々は、事前学習されたレイアウト・ツー・イメージ拡散モデルの「反転」により、事前学習した凍結生成拡散モデルの識別能力を分類タスクからより複雑なオブジェクト検出タスクに拡張する。
  論文  参考訳（メタデータ） (2025-04-24T05:13:27Z)
• Variational Autoencoders for Efficient Simulation-Based Inference [0.3495246564946556]
  本稿では、確率自由なシミュレーションに基づく推論のための変分推論フレームワークに基づく生成的モデリング手法を提案する。 我々は,これらのモデルの有効性を,フローベースアプローチに匹敵する結果が得られるように,確立されたベンチマーク問題に対して示す。
  論文  参考訳（メタデータ） (2024-11-21T12:24:13Z)
• Improved off-policy training of diffusion samplers [93.66433483772055]
  本研究では,非正規化密度やエネルギー関数を持つ分布からサンプルを抽出する拡散モデルの訓練問題について検討する。 シミュレーションに基づく変分法や非政治手法など,拡散構造推論手法のベンチマークを行った。 我々の結果は、過去の研究の主張に疑問を投げかけながら、既存のアルゴリズムの相対的な利点を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-02-07T18:51:49Z)
• Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
  連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。 条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。 提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
  論文  参考訳（メタデータ） (2022-11-30T05:33:29Z)
• 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)
• Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
  任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。 提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
  論文  参考訳（メタデータ） (2021-05-23T19:21:55Z)
• Generalization of Change-Point Detection in Time Series Data Based on Direct Density Ratio Estimation [1.929039244357139]
  既存のアルゴリズムを様々なバイナリ分類と回帰モデルを用いて一般化する方法を示す。 アルゴリズムは、いくつかの合成および実世界のデータセットでテストされる。
  論文  参考訳（メタデータ） (2020-01-17T15:45:38Z)

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。