Fugu-MT 論文翻訳(概要): Covering-Space Normalizing Flows: Approximating Pushforwards on Lens Spaces

論文の概要: Covering-Space Normalizing Flows: Approximating Pushforwards on Lens Spaces

arxiv url: http://arxiv.org/abs/2511.22882v1
Date: Fri, 28 Nov 2025 05:12:27 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-01 19:47:55.770746
Title: Covering-Space Normalizing Flows: Approximating Pushforwards on Lens Spaces
Title（参考訳）: 被覆空間正規化フロー:レンズ空間における押出方向の近似
Authors: William Ghanem,
Abstract要約: 普遍被覆写像 rho: S3 -> L(p;q) を用いてプッシュフォワード分布を構築し、L(p;q) 上のフローを用いてこれらの分布を近似する。本手法は対称なS3分布の場合の冗長性を除去する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We construct pushforward distributions via the universal covering map rho: S^3 -> L(p;q) with the goal of approximating these distributions using flows on L(p;q). We highlight that our method deletes redundancies in the case of a symmetric S^3 distribution. Using our model, we approximate the pushforwards of von Mises-Fisher-induced target densities as well as that of a Z_12-symmetric Boltzmann distribution on S^3 constructed to model benzene.
Abstract（参考訳）: 一般化被覆写像 rho: S^3 -> L(p;q) を用いてプッシュフォワード分布を構築し、これらの分布を L(p;q) 上のフローを用いて近似する。本手法は対称なS^3分布の場合の冗長性を除去する。我々のモデルを用いて, ベンゼンをモデル化するために構築されたS^3上のZ_12対称ボルツマン分布と同様に, フォン・ミセス・フィッシャーが誘導するターゲット密度のプッシュフォワードを近似した。

関連論文リスト

Uncertainty-Aware PCA for Arbitrarily Distributed Data Modeled by Gaussian Mixture Models [7.664298995468921]
多次元データは、しばしば正規分布によってよく説明されない不確実性と関連付けられている。我々は、不確実性を考慮した主成分分析(UAPCA)を用いて、多次元分布を低次元空間に投影する方法を示す。提案手法とUAPCAを用いて得られた低次元空間の分布をサンプルベース投影による分布と比較することにより,本手法の評価を行った。
論文参考訳（メタデータ） (2025-08-19T16:31:41Z)
On the Contractivity of Stochastic Interpolation Flow [0.0]
本稿では,拡散モデルと多くの類似点を有する高次元サンプリングフレームワークについて検討する。ベース分布と強い対数目標分布に対して、フローマップは、最適輸送写像に対するカファレッリの定理と一致する鋭い定数を持つリプシッツであることを示す。さらに、非ガウス分布間のリプシッツ輸送写像を構築することができ、関数的不等式を確立するための輸送方法に関する文献における最近の研究を一般化することができる。
論文参考訳（メタデータ） (2025-04-14T19:10:22Z)
Distributional Matrix Completion via Nearest Neighbors in the Wasserstein Space [8.971989179518216]
わずかに観察された経験的分布の行列を考えると、観測された行列と観測されていない行列の両方に関連する真の分布をインプットしようと試みる。最適輸送のツールを用いて、最も近い隣人法を分布設定に一般化する。
論文参考訳（メタデータ） (2024-10-17T00:50:17Z)
Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis [56.442307356162864]
連続時間マルコフ連鎖(CTMC)に基づくスコアベース離散拡散モデルの理論的側面について検討する。本稿では,事前定義された時間点におけるスコア推定値を利用する離散時間サンプリングアルゴリズムを一般状態空間$[S]d$に導入する。我々の収束解析はジルサノフ法を用いて離散スコア関数の重要な性質を確立する。
論文参考訳（メタデータ） (2024-10-03T09:07:13Z)
Scaling Riemannian Diffusion Models [68.52820280448991]
非自明な多様体上の高次元タスクにスケールできることを示す。我々は、$SU(n)$格子上のQCD密度と高次元超球面上の対照的に学習された埋め込みをモデル化する。
論文参考訳（メタデータ） (2023-10-30T21:27:53Z)
Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
論文参考訳（メタデータ） (2023-06-27T08:15:28Z)
Wrapped Distributions on homogeneous Riemannian manifolds [58.720142291102135]
パラメータ、対称性、モダリティなどの分布の性質の制御は、フレキシブルな分布の族を生み出す。変動型オートエンコーダと潜在空間ネットワークモデル内で提案した分布を利用して,我々のアプローチを実証的に検証する。
論文参考訳（メタデータ） (2022-04-20T21:25:21Z)
Instance-Optimal Compressed Sensing via Posterior Sampling [101.43899352984774]
後部サンプリング推定器がほぼ最適回復保証を達成できることを示す。本稿では,Langevin dynamics を用いた深部生成前駆体の後方サンプリング推定器を実装し,MAP よりも精度の高い推定値が得られることを実証的に見出した。
論文参考訳（メタデータ） (2021-06-21T22:51:56Z)
A Note on Optimizing Distributions using Kernel Mean Embeddings [94.96262888797257]
カーネル平均埋め込みは、その無限次元平均埋め込みによる確率測度を表す。カーネルが特徴的である場合、カーネルの総和密度を持つ分布は密度が高いことを示す。有限サンプル設定でそのような分布を最適化するアルゴリズムを提供する。
論文参考訳（メタデータ） (2021-06-18T08:33:45Z)

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。