Fugu-MT 論文翻訳(概要): Set-based Implicit Likelihood Inference of Galaxy Cluster Mass

論文の概要: Set-based Implicit Likelihood Inference of Galaxy Cluster Mass

arxiv url: http://arxiv.org/abs/2507.20378v1
Date: Sun, 27 Jul 2025 18:44:41 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-29 16:23:57.48207
Title: Set-based Implicit Likelihood Inference of Galaxy Cluster Mass
Title（参考訳）: 銀河団質量のセットベースインプシシット様推算
Authors: Bonny Y. Wang, Leander Thiele,
Abstract要約: 本稿では,銀河団質量の後方分布を投影された銀河力学から推定する,集合型機械学習フレームワークを提案する。我々のモデルは、深部集合と条件付き正規化フローを組み合わせて、銀河の位置情報と速度情報の両方を組み込む。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a set-based machine learning framework that infers posterior distributions of galaxy cluster masses from projected galaxy dynamics. Our model combines Deep Sets and conditional normalizing flows to incorporate both positional and velocity information of member galaxies to predict residual corrections to the $M$-$\sigma$ relation for improved interpretability. Trained on the Uchuu-UniverseMachine simulation, our approach significantly reduces scatter and provides well-calibrated uncertainties across the full mass range compared to traditional dynamical estimates.
Abstract（参考訳）: 本稿では,銀河団質量の後方分布を投影された銀河力学から推定する,集合型機械学習フレームワークを提案する。我々のモデルでは、深部集合と条件正規化フローを組み合わせて、銀河の位置情報と速度情報を組み合わせ、M$-$\sigma$関係の残差補正を予測し、解釈可能性を改善する。 Uchuu-UniverseMachine シミュレーションに基づいて,本手法は散乱を著しく低減し,従来の力学推定値と比較して全質量範囲にわたってよく校正された不確実性を提供する。

関連論文リスト

CM$^3$: Calibrating Multimodal Recommendation [10.09576389984858]
本研究では,マルチモーダルレコメンダシステムのコンテキストにおけるアライメントと均一性について再検討する。同様のマルチモーダル属性を持つ項目が超球面多様体内の近位表現に収束するよりニュアンスなアプローチを提案する。また、任意の数のモジュラリティを統合するために設計された球面ブエジエ法を導入し、その結果の融合した特徴が同じ超球面多様体に制約されることを保証する。
論文参考訳（メタデータ） (2025-08-02T06:44:59Z)
Flow-Based Generative Emulation of Grids of Stellar Evolutionary Models [4.713280433864737]
恒星進化モデルの格子をエミュレートするフローベース生成手法を提案する。様々な進化軌道やアイソクロンを連続的な入力パラメータにわたってエミュレートする能力を示す。
論文参考訳（メタデータ） (2024-07-12T16:54:17Z)
Correspondence-Free Non-Rigid Point Set Registration Using Unsupervised Clustering Analysis [28.18800845199871]
非教師なしクラスタリング解析に触発された、新しい非厳密な点集合登録法を提案する。提案手法は,様々なシナリオにおいて高い精度を達成し,競争相手をはるかに上回っている。
論文参考訳（メタデータ） (2024-06-27T01:16:44Z)
Addressing Misspecification in Simulation-based Inference through Data-driven Calibration [43.811367860375825]
本研究は, モデル不特定性を克服するフレームワークであるロPEを導入し, 実世界の小キャリブレーションによる地下構造パラメータの測定を行った。 4つの合成課題と2つの実世界の問題により、RoPEはベースラインを上回り、情報的およびキャリブレーションされた信頼区間を一貫して返却することを示した。
論文参考訳（メタデータ） (2024-05-14T16:04:39Z)
A point cloud approach to generative modeling for galaxy surveys at the field level [0.431625343223275]
宇宙における銀河の分布を記述するために拡散に基づく生成モデルを導入する。クイジョートシミュレーションスイートにおける暗黒物質ハローの最初の応用例を示す。このアプローチは、宇宙データの包括的な分析を可能にするために拡張することができる。
論文参考訳（メタデータ） (2023-11-28T19:00:00Z)
Differentiating Metropolis-Hastings to Optimize Intractable Densities [51.16801956665228]
我々はメトロポリス・ハスティングス検層の自動識別アルゴリズムを開発した。難解な対象密度に対する期待値として表現された目的に対して勾配に基づく最適化を適用する。
論文参考訳（メタデータ） (2023-06-13T17:56:02Z)
Simplex Clustering via sBeta with Applications to Online Adjustment of Black-Box Predictions [16.876111500144667]
我々はk-sBetasと呼ばれる新しい確率的クラスタリング手法を提案する。クラスタリング分布の総括的最大アプリート(MAP)視点を提供する。我々のコードと既存の単純なクラスタリング手法との比較および導入したソフトマックス予測ベンチマークが公開されている。
論文参考訳（メタデータ） (2022-07-30T18:29:11Z)
Inferring Structural Parameters of Low-Surface-Brightness-Galaxies with Uncertainty Quantification using Bayesian Neural Networks [70.80563014913676]
ベイズニューラルネットワーク (BNN) を用いて, シミュレーションした低地表面明度銀河画像から, それらのパラメータの不確かさを推測できることを示す。従来のプロファイル適合法と比較して、BNNを用いて得られた不確実性は等しく、よく校正され、パラメータの点推定は真の値に近いことを示す。
論文参考訳（メタデータ） (2022-07-07T17:55:26Z)
k-Mixup Regularization for Deep Learning via Optimal Transport [32.951696405505686]
Mixupは、ディープニューラルネットワークをトレーニングするための一般的な正規化テクニックである。 emph$k$-mixupは、他の$k$-batchesの方向に、トレーニングポイントの$k$-batchesを摂動させる。我々は、$k$-mixupによるトレーニングにより、複数のネットワークアーキテクチャにおける一般化と堅牢性がさらに向上することを示す。
論文参考訳（メタデータ） (2021-06-05T17:08:08Z)
Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文参考訳（メタデータ） (2020-11-02T18:02:26Z)
Imitation with Neural Density Models [98.34503611309256]
本稿では,Imitation Occupancy Entropy Reinforcement Learning (RL) を報奨として,専門家の占有率の密度推定によるImitation Learning (IL) の新しい枠組みを提案する。提案手法は,専門家の占有率と模倣者の占有率の逆Kulback-Leibler偏差を確実に低くする非逆モデル自由RLの目的を最大化する。
論文参考訳（メタデータ） (2020-10-19T19:38:36Z)
Fast Gravitational Approach for Rigid Point Set Registration with Ordinary Differential Equations [79.71184760864507]
本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。 FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
論文参考訳（メタデータ） (2020-09-28T15:05:39Z)
Adaptive Control and Regret Minimization in Linear Quadratic Gaussian (LQG) Setting [91.43582419264763]
我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。 LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
論文参考訳（メタデータ） (2020-03-12T19:56:38Z)

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。