論文の概要: The Jacobian and Hessian of the Kullback-Leibler Divergence between Multivariate Gaussian Distributions (Technical Report)
- arxiv url: http://arxiv.org/abs/2506.23996v1
- Date: Mon, 30 Jun 2025 15:58:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-01 21:27:54.14314
- Title: The Jacobian and Hessian of the Kullback-Leibler Divergence between Multivariate Gaussian Distributions (Technical Report)
- Title(参考訳): 多変量ガウス分布間のクルバック・リーブラー分岐のヤコビアンとヘッセン(技術報告)
- Authors: Juan Maroñas,
- Abstract要約: この文書は、クルバック・リーブルの発散のヤコビアン行列とヘッセン行列を得る方法を示している。
提案された導出は、citemagnus99 によって提示された理論に基づいている。
- 参考スコア(独自算出の注目度): 0.3263412255491401
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This document shows how to obtain the Jacobian and Hessian matrices of the Kullback-Leibler divergence between two multivariate Gaussian distributions, using the first and second-order differentials. The presented derivations are based on the theory presented by \cite{magnus99}. I've also got great inspiration from some of the derivations in \cite{minka}. Since I pretend to be at most didactic, the document is split into a summary of results and detailed derivations on each of the elements involved, with specific references to the tricks used in the derivations, and to many of the underlying concepts.
- Abstract(参考訳): この文書は、第1次および第2次微分を用いて、2つの多変量ガウス分布間のクルバック・リーブル分布のヤコビ行列とヘッセン行列を得る方法を示している。
提示された導出は、 \cite{magnus99} で示される理論に基づいている。
また、私は \cite{minka} の導出から大きなインスピレーションを得ました。
私は最も実践的なふりをしているので、文書は結果の要約と関連する各要素の詳細な導出に分割され、導出で使われるトリックや基礎となる概念の多くに特に言及されます。
関連論文リスト
- Variational Inference with Mixtures of Isotropic Gaussians [8.365869192421865]
変分推論 (VI) はベイズ推定において一般的な手法であり、パラメトリック族内の後部分布の最適近似を求める。
我々は変分フレームワークを開発し、このファミリーに適した効率的なアルゴリズムを提供する。
論文 参考訳(メタデータ) (2025-06-16T15:42:15Z) - Constructing structured tensor priors for Bayesian inverse problems [6.191418251390628]
我々は、解が構造テンソルであるという信念を符号化するガウス先行を特徴づける。
本稿では,新しいカーネル関数を設計し,効率的に計算する方法を示す。
すべてのアプリケーションはJuliaのリアクティブPlutoノートブックとして実装されている。
論文 参考訳(メタデータ) (2024-06-25T14:40:34Z) - Theoretical Insights for Diffusion Guidance: A Case Study for Gaussian
Mixture Models [59.331993845831946]
拡散モデルは、所望の特性に向けてサンプル生成を操るために、スコア関数にタスク固有の情報を注入することの恩恵を受ける。
本稿では,ガウス混合モデルの文脈における拡散モデルに対する誘導の影響を理解するための最初の理論的研究を提供する。
論文 参考訳(メタデータ) (2024-03-03T23:15:48Z) - Sampling and estimation on manifolds using the Langevin diffusion [45.57801520690309]
離散化マルコフ過程に基づく$mu_phi $の線形汎函数の2つの推定器を検討する。
誤差境界は、本質的に定義されたランゲヴィン拡散の離散化を用いてサンプリングと推定のために導出される。
論文 参考訳(メタデータ) (2023-12-22T18:01:11Z) - Conformal inference for regression on Riemannian Manifolds [49.7719149179179]
回帰シナリオの予測セットは、応答変数が$Y$で、多様体に存在し、Xで表される共変数がユークリッド空間にあるときに検討する。
我々は、多様体上のこれらの領域の経験的バージョンが、その集団に対するほぼ確実に収束していることを証明する。
論文 参考訳(メタデータ) (2023-10-12T10:56:25Z) - Ito Diffusion Approximation of Universal Ito Chains for Sampling, Optimization and Boosting [64.0722630873758]
我々は、ある微分方程式のオイラー・マルヤマ離散化のように見える、より一般で幅広いマルコフ連鎖、伊藤鎖を考える。
伊藤鎖の法則と微分方程式の間の$W_2$-距離の有界性を証明する。
論文 参考訳(メタデータ) (2023-10-09T18:38:56Z) - Equivalence Between SE(3) Equivariant Networks via Steerable Kernels and
Group Convolution [90.67482899242093]
近年, 入力の回転と変換において等価な3次元データに対して, ニューラルネットワークを設計するための幅広い手法が提案されている。
両手法とその等価性を詳細に解析し,その2つの構成をマルチビュー畳み込みネットワークに関連付ける。
また、同値原理から新しいTFN非線形性を導出し、実用的なベンチマークデータセット上でテストする。
論文 参考訳(メタデータ) (2022-11-29T03:42:11Z) - Infinite-dimensional optimization and Bayesian nonparametric learning of
stochastic differential equations [0.04297070083645048]
論文の第1部は、無限次元最適化空間に対するある種の一般結果を確立する。
本論文の第2部では,微分方程式のドリフト関数を学習するための体系的アプローチを開発した。
論文 参考訳(メタデータ) (2022-05-30T18:22:47Z) - Gaussian Hierarchical Latent Dirichlet Allocation: Bringing Polysemy
Back [3.480626767752489]
トピックモデルは、文書の集合の潜在表現を発見するために広く使用される。
本稿では,ガウスの潜伏ディリクレアロケーションがポリセミーを捕捉する能力を回復できることを示す。
提案モデルはまた,幅広いコーパスや単語埋め込みベクトルに対して,より優れたトピックコヒーレンスと文書予測精度を実現する。
論文 参考訳(メタデータ) (2020-02-25T13:52:20Z)
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。