論文の概要: Channel Simulation and Distributed Compression with Ensemble Rejection Sampling

• arxiv url: http://arxiv.org/abs/2510.05552v1
• Date: Tue, 07 Oct 2025 03:43:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-08 17:57:08.086656
• Title: Channel Simulation and Distributed Compression with Ensemble Rejection Sampling
• Title（参考訳）: アンサンブルリジェクションサンプリングによるチャネルシミュレーションと分散圧縮
• Authors: Buu Phan, Ashish Khisti,
• Abstract要約: 本稿では,チャネルシミュレーションと分散マッチングについて検討する。 チャネルシミュレーションでは,Ensemble Rejection Sampling (ERS)アルゴリズムに基づく新しい符号化方式を提案する。 本研究の主な貢献として,Poisson Matching Lemma (PML) に対する拒絶サンプリングとして機能するERSの分散マッチング補題を提案する。 我々はまた、近年の補題の重要度に関する研究(Phan et al, 2024)を一般化し、我々の知る限り、マッチング確率が近い拒絶サンプリングスキームの族における分散マッチングの最初の結果である。
• 参考スコア（独自算出の注目度）: 16.135460960017166
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We study channel simulation and distributed matching, two fundamental problems with several applications to machine learning, using a recently introduced generalization of the standard rejection sampling (RS) algorithm known as Ensemble Rejection Sampling (ERS). For channel simulation, we propose a new coding scheme based on ERS that achieves a near-optimal coding rate. In this process, we demonstrate that standard RS can also achieve a near-optimal coding rate and generalize the result of Braverman and Garg (2014) to the continuous alphabet setting. Next, as our main contribution, we present a distributed matching lemma for ERS, which serves as the rejection sampling counterpart to the Poisson Matching Lemma (PML) introduced by Li and Anantharam (2021). Our result also generalizes a recent work on importance matching lemma (Phan et al, 2024) and, to our knowledge, is the first result on distributed matching in the family of rejection sampling schemes where the matching probability is close to PML. We demonstrate the practical significance of our approach over prior works by applying it to distributed compression. The effectiveness of our proposed scheme is validated through experiments involving synthetic Gaussian sources and distributed image compression using the MNIST dataset.
• Abstract（参考訳）: 本稿では, チャネルシミュレーションと分散マッチング, 機械学習へのいくつかの応用に関する2つの基本的な問題について検討し, ERS (Ensemble Rejection Smpling) と呼ばれる標準リジェクションサンプリング (RS) アルゴリズムを最近導入した。 チャネルシミュレーションでは,ERSに基づく符号化方式を提案する。 このプロセスでは、標準RSがほぼ最適の符号化速度を達成でき、Braverman and Garg (2014) の結果を連続アルファベット設定に一般化できることを示す。 次に,本研究の主な貢献として,Li and Anantharam (2021) が導入した Poisson Matching Lemma (PML) に対する拒絶サンプリングとして機能する ERS の分散マッチング補題を提案する。 我々はまた、近年の補題の重要度に関する研究(Phan et al, 2024)を一般化し、我々の知る限り、マッチング確率がPMLに近い拒絶サンプリングスキームの族における分散マッチングの最初の結果である。 分散圧縮に適用することにより,先行研究に対するアプローチの実践的意義を実証する。 提案手法の有効性を,合成ガウス音源とMNISTデータセットを用いた分散画像圧縮による実験により検証した。

関連論文リスト

• Gumbel-max List Sampling for Distribution Coupling with Multiple Samples [19.059328123272028]
  そこで本研究では,SpecTrやSpecInferといったベースラインと競合する性能を実現し,実装が容易な投機的サンプリングのための新しいメカニズムを開発した。 我々は、ソースサンプルを圧縮し、複数のデコーダで利用できる設定において、サイド情報による分散損失圧縮を考察する。
  論文  参考訳（メタデータ） (2025-06-05T23:32:08Z)
• Direct Distributional Optimization for Provable Alignment of Diffusion Models [39.048284342436666]
  分布最適化の観点から拡散モデルの新しいアライメント手法を提案する。 まず、確率分布に対する一般正規化損失最小化として問題を定式化する。 本研究では,Doob の $h$-transform 技術を用いてスコア関数を近似することにより,学習した分布からのサンプリングを可能にする。
  論文  参考訳（メタデータ） (2025-02-05T07:35:15Z)
• Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
  本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。 我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。 シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
  論文  参考訳（メタデータ） (2024-01-29T02:08:40Z)
• Fast Semisupervised Unmixing Using Nonconvex Optimization [80.11512905623417]
  半/ライブラリベースのアンミックスのための新しい凸凸モデルを提案する。 スパース・アンミキシングの代替手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-23T10:07:41Z)
• Faster Sampling without Isoperimetry via Diffusion-based Monte Carlo [30.4930148381328]
  拡散に基づくモンテカルロ (DMC) は、等尺条件を超えた一般目標分布から試料を採取する手法である。 DMCは、高い勾配の複雑さに遭遇し、その結果、得られたサンプルのエラー耐性$epsilon$に指数関数的に依存する。 本稿では,新しい再帰に基づくスコア推定法に基づくRS-DMCを提案する。 私たちのアルゴリズムは、人気のあるLangevinベースのアルゴリズムよりもはるかに高速です。
  論文  参考訳（メタデータ） (2024-01-12T02:33:57Z)
• Score-based Source Separation with Applications to Digital Communication Signals [72.6570125649502]
  拡散モデルを用いた重畳音源の分離手法を提案する。 高周波(RF)システムへの応用によって、我々は、基礎となる離散的な性質を持つ情報源に興味を持っている。 提案手法は,最近提案されたスコア蒸留サンプリング方式のマルチソース拡張と見なすことができる。
  論文  参考訳（メタデータ） (2023-06-26T04:12:40Z)
• Generative Modeling with Denoising Auto-Encoders and Langevin Sampling [88.83704353627554]
  DAEとDSMの両方がスムーズな人口密度のスコアを推定することを示した。 次に、この結果をarXiv:1907.05600のホモトピー法に適用し、その経験的成功を理論的に正当化する。
  論文  参考訳（メタデータ） (2020-01-31T23:50:03Z)

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。