論文の概要: Sampling with Shielded Langevin Monte Carlo Using Navigation Potentials
- arxiv url: http://arxiv.org/abs/2512.22153v1
- Date: Mon, 15 Dec 2025 11:39:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-04 08:45:17.08007
- Title: Sampling with Shielded Langevin Monte Carlo Using Navigation Potentials
- Title（参考訳）: 航法電位を用いた遮蔽ランゲヴィンモンテカルロによるサンプリング
- Authors: Nicolas Zilberstein, Santiago Segarra, Luiz Chamon,
- Abstract要約: Shielded Langevin Carlo (LMC) は、航法関数にインスパイアされた制限されたサンプルである。
2Dおよび出力出力シンボル検出の実験は、制約のないケースとは対照的に、提案された遮蔽LCCの利点を示している。
- 参考スコア（独自算出の注目度）: 38.96153306484745
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce shielded Langevin Monte Carlo (LMC), a constrained sampler inspired by navigation functions, capable of sampling from unnormalized target distributions defined over punctured supports. In other words, this approach samples from non-convex spaces defined as convex sets with convex holes. This defines a novel and challenging problem in constrained sampling. To do so, the sampler incorporates a combination of a spatially adaptive temperature and a repulsive drift to ensure that samples remain within the feasible region. Experiments on a 2D Gaussian mixture and multiple-input multiple-output (MIMO) symbol detection showcase the advantages of the proposed shielded LMC in contrast to unconstrained cases.
- Abstract（参考訳）: 本稿では,ナビゲーション関数にインスパイアされた制約付きサンプルであるシールド付きランゲヴィンモンテカルロ(LMC)を導入し,定位サポート上に定義された正規化対象分布をサンプリングする。
言い換えれば、このアプローチは凸空間を凸孔を持つ凸集合として定義する非凸空間からサンプリングする。
これは制約サンプリングにおいて、新しくて困難な問題を定義する。
そのため、サンプル装置は、空間適応温度と反発ドリフトの組み合わせを組み込んで、サンプルが実現可能な領域内に留まることを保証する。
2次元ガウス混合とMIMO(Multiple-input multiple-output)シンボル検出の実験では、制約のないケースとは対照的に、シールド付きLCCの利点が示された。
関連論文リスト
- Score-based sampling without diffusions: Guidance from a simple and modular scheme [0.0]
本稿では, (a) 端末分布, (b) それぞれが強対数凹凸(SLC)分布で定義される前方軌道を設計する方法を示す。
このモジュラーリダクションは,後方進路を横切るために,空想的なSLCサンプリングアルゴリズムを利用することができる。
高精度ルーチンを使用すると、KL または Wasserstein 距離において $varepsilon$-accurate の答えが得られる。
論文 参考訳（メタデータ） (2025-12-30T11:34:59Z) - Reinforced sequential Monte Carlo for amortised sampling [49.92678178064033]
我々は、最大エントロピー強化学習(MaxEnt RL)により訓練されたシーケンシャルモンテカルロ(SMC)とニューラルシーケンシャルサンプリングとの接続を述べる。
本稿では,提案関数とツイスト関数の安定な連成訓練手法と,トレーニング信号のばらつきを低減するための適応重み付け方式について述べる。
論文 参考訳（メタデータ） (2025-10-13T17:59:11Z) - Progressive Inference-Time Annealing of Diffusion Models for Sampling from Boltzmann Densities [93.13866975467549]
拡散に基づくサンプル学習のために, PITA(Progressive Inference-Time Annealing)を提案する。
PITAはボルツマン分布のアナーリングと拡散平滑化という2つの相補的手法を組み合わせたものである。
N-体粒子系、アラニンジペプチド、トリペプチドの平衡サンプリングを可能にする。
論文 参考訳（メタデータ） (2025-06-19T17:14:22Z) - Restricted Spectral Gap Decomposition for Simulated Tempering Targeting Mixture Distributions [8.366536762687492]
模擬テンパリングと任意の局所連鎖モンテカルロサンプリング器を組み合わせることを考える。
混合分布からサンプリングするために,メトロポリスのスペクトルギャップの制限値に下限を与える新しい分解定理を提案する。
論文 参考訳（メタデータ） (2025-05-21T03:28:55Z) - Enhanced Importance Sampling through Latent Space Exploration in Normalizing Flows [69.8873421870522]
重要サンプリングはモンテカルロシミュレーションで使われる稀な事象シミュレーション手法である。
正規化フローの潜在空間における提案分布を更新し,より効率的なサンプリング法を提案する。
論文 参考訳（メタデータ） (2025-01-06T21:18:02Z) - Stable generative modeling using Schrödinger bridges [0.22499166814992438]
本稿では,Schr"odinger BridgesとLangevin dynamicsを組み合わせた生成モデルを提案する。
我々のフレームワークは自然に条件付きサンプルを生成し、ベイズ推論問題に拡張することができる。
論文 参考訳（メタデータ） (2024-01-09T06:15:45Z) - Langevin Quasi-Monte Carlo [6.146093081175471]
ランゲヴィン・モンテカルロ(LMC)とその勾配バージョンは複雑な高次元分布からサンプリングする強力なアルゴリズムである。
準ランダムサンプルを用いてLCCの推定誤差を低減できることを示す。
論文 参考訳（メタデータ） (2023-09-22T07:15:18Z) - Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。
本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。
本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
論文 参考訳（メタデータ） (2021-02-04T02:21:08Z)
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。