論文の概要: Set Invariance with Probability One for Controlled Diffusion: Score-based Approach

• arxiv url: http://arxiv.org/abs/2507.22385v1
• Date: Wed, 30 Jul 2025 05:13:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-31 16:14:18.004874
• Title: Set Invariance with Probability One for Controlled Diffusion: Score-based Approach
• Title（参考訳）: 制御拡散のための確率を伴う集合不変性:スコアベースアプローチ
• Authors: Wenqing Wang, Alexis M. H. Teter, Murat Arcak, Abhishek Halder,
• Abstract要約: 制御された拡散と連結で有界なリプシッツ集合が与えられたとき、いつ確率 1 との制御された集合不変性を保証することができるのか? 本研究では, ある対数類似度の勾配の観点から, 同一の条件を導出することにより, この問題に答える。 提案試験における計算はディリクレ境界値の問題を解くことを含み、有限地平線の場合、終点時にターゲット部分集合を打つという追加の制約も考慮できる。
• 参考スコア（独自算出の注目度）: 4.102348082600288
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Given a controlled diffusion and a connected, bounded, Lipschitz set, when is it possible to guarantee controlled set invariance with probability one? In this work, we answer this question by deriving the necessary and sufficient conditions for the same in terms of gradients of certain log-likelihoods -- a.k.a. score vector fields -- for two cases: given finite time horizon and infinite time horizon. The deduced conditions comprise a score-based test that provably certifies or falsifies the existence of Markovian controllers for given controlled set invariance problem data. Our results are constructive in the sense when the problem data passes the proposed test, we characterize all controllers guaranteeing the desired set invariance. When the problem data fails the proposed test, there does not exist a controller that can accomplish the desired set invariance with probability one. The computation in the proposed tests involve solving certain Dirichlet boundary value problems, and in the finite horizon case, can also account for additional constraint of hitting a target subset at the terminal time. We illustrate the results using several semi-analytical and numerical examples.
• Abstract（参考訳）: 制御拡散と連結で有界なリプシッツ集合が与えられたとき、いつ確率 1 との制御された集合不変性を保証することができるのか? この研究では、与えられた有限時間地平線と無限時間地平線(英語版)の2つのケースにおいて、ある対数線(つまりスコアベクトル場)の勾配(英語版)という観点で同じ必要かつ十分な条件を導いて、この問題に答える。 推定条件は、与えられた制御された集合不変性問題データに対するマルコフコントローラの存在を証明または偽証するスコアベーステストを構成する。 本研究の結果は,問題データが提案したテストに合格した場合に,所望の集合不変性を保証するすべてのコントローラを特徴付けるという意味で構成的である。 問題データが提案したテストに失敗した場合、確率1と所望の集合不変性を達成できるコントローラは存在しない。 提案試験における計算はディリクレ境界値の問題を解くことを含み、有限地平線の場合、終点時にターゲット部分集合を打つという追加の制約も考慮できる。 いくつかの半解析的および数値的な例を用いて結果を説明する。

関連論文リスト

• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• Data-light Uncertainty Set Merging with Admissibility: Synthetics, Aggregation, and Test Inversion [3.4136908117644693]
  本稿では、多種多様かつ潜在的に依存する不確実性集合を単一の統一集合にマージする、Synthetics, Aggregation, and Test Inversion (SAT) アプローチを紹介する。 SATは初期セットと制御レベルのみが利用可能である場合、不確実セットを統合するという課題によって動機付けられている。 主要な理論的貢献はSATの特性の厳密な解析であり、決定論的集合の融合の文脈における許容性の証明を含む。
  論文  参考訳（メタデータ） (2024-10-16T03:52:47Z)
• Conditional Testing based on Localized Conformal p-values [5.6779147365057305]
  我々は、予測区間を反転させて局所化された共形p値を定義し、それらの理論的性質を証明した。 これらの定義されたp-値は、その実用性を説明するためにいくつかの条件付きテスト問題に適用される。
  論文  参考訳（メタデータ） (2024-09-25T11:30:14Z)
• Sequential Predictive Two-Sample and Independence Testing [114.4130718687858]
  逐次的非パラメトリック2サンプルテストと独立テストの問題点について検討する。 私たちは賭けによる(非パラメトリックな)テストの原則に基づいています。
  論文  参考訳（メタデータ） (2023-04-29T01:30:33Z)
• Sequential Kernelized Independence Testing [77.237958592189]
  我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。 シミュレーションデータと実データの両方にアプローチのパワーを実証する。
  論文  参考訳（メタデータ） (2022-12-14T18:08:42Z)
• Approximate Conditional Coverage via Neural Model Approximations [0.030458514384586396]
  実験的に信頼性の高い近似条件付きカバレッジを得るためのデータ駆動手法を解析する。 我々は、限界範囲のカバレッジ保証を持つ分割型代替案で、実質的な(そして、そうでない)アンダーカバーの可能性を実証する。
  論文  参考訳（メタデータ） (2022-05-28T02:59:05Z)
• Controlling Multiple Errors Simultaneously with a PAC-Bayes Bound [18.92870267111897]
  Kullback-Leibler 分岐をバウンダリングすることで、豊富な情報を提供できる最初の PAC-Bayes 境界を提供する。 我々の境界は、異なる誤分類の重大さが時間とともに変化する可能性がある場合に特に有用である。
  論文  参考訳（メタデータ） (2022-02-11T11:35:21Z)

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。