Fugu-MT 論文翻訳(概要): Uncertainty propagation through trained multi-layer perceptrons: Exact analytical results

論文の概要: Uncertainty propagation through trained multi-layer perceptrons: Exact analytical results

arxiv url: http://arxiv.org/abs/2601.16830v1
Date: Fri, 23 Jan 2026 15:29:03 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-26 14:27:27.74588
Title: Uncertainty propagation through trained multi-layer perceptrons: Exact analytical results
Title（参考訳）: トレーニングされた多層パーセプトロンによる不確実性伝播:特に解析結果
Abstract要約: 我々は,1つの隠蔽層とReLU活性化関数を持つ訓練された多層パーセプトロン(MLP)による不確かさの伝播に関する解析結果を示す。従来の結果とは対照的に,級数展開に頼らずに正確な表現が得られる。
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 give analytical results for propagation of uncertainty through trained multi-layer perceptrons (MLPs) with a single hidden layer and ReLU activation functions. More precisely, we give expressions for the mean and variance of the output when the input is multivariate Gaussian. In contrast to previous results, we obtain exact expressions without resort to a series expansion.
Abstract（参考訳）: 我々は,1つの隠蔽層とReLU活性化関数を持つ訓練された多層パーセプトロン(MLP)による不確かさの伝播に関する解析結果を示す。より正確には、入力が多変量ガウスであるときの出力の平均と分散の式を与える。従来の結果とは対照的に,級数展開に頼らずに正確な表現が得られる。

関連論文リスト

Variance Reduction for Non-Log-Concave Sampling with Applications to Inverse Problems [7.041502953437834]
固定縮小反復で高分散を示す勾配を近似できることを示す。我々は、この理論を2次元イメージングにおける逆の先行問題を解くために拡張する。
論文参考訳（メタデータ） (2026-06-15T06:01:05Z)
Implicit Variational Rejection Sampling [49.24060583051337]
変分推論(VI)は、複雑な後続分布を近似するベイズ機械学習の基本的な推論手法である。最近の進歩は、ニューラルネットワークを利用して暗黙の分布をモデル化し、柔軟性を高めている。本稿では,暗黙分布と拒絶サンプリングを統合して後部近似を改善するImplicit Variational Rejection Smpling (IVRS) 法を提案する。
論文参考訳（メタデータ） (2026-06-12T08:17:45Z)
InfoNCE Induces Gaussian Distribution [7.8922077372145685]
対照的なトレーニングの損失はInfoNCEとその変種である。我々は、InfoNCEの目的が、対照的な訓練から現れる表現においてガウス構造を誘導することを示す。ガウスモデルにより、学習された表現の原理的な分析処理が可能となり、コントラスト学習における幅広い応用を支援することが期待されている。
論文参考訳（メタデータ） (2026-02-27T13:35:58Z)
Feature learning in finite-width Bayesian deep linear networks with multiple outputs and convolutional layers [39.71511919246829]
深い線形ネットワークは広く研究されているが、複数の出力と畳み込み層を持つ有限幅アーキテクチャの場合はほとんど知られていない。我々の研究は、この物理学の直観と用語を厳密なベイズ統計に翻訳する辞書を提供する。
論文参考訳（メタデータ） (2024-06-05T13:37:42Z)
Beyond DAGs: A Latent Partial Causal Model for Multimodal Learning [80.44084021062105]
本稿では,非方向エッジで連結された2つの潜在結合変数を特徴とする,多モーダルデータに対する新しい潜在部分因果モデルを提案する。特定の統計的仮定の下では、多モーダル・コントラッシブ・ラーニングによって学習された表現が、自明な変換までの潜在結合変数に対応することを示す。事前トレーニングされたCLIPモデルの実験は、非絡み合った表現を具現化し、数ショットの学習を可能にし、さまざまな現実世界のデータセットにわたるドメインの一般化を改善する。
論文参考訳（メタデータ） (2024-02-09T07:18:06Z)
Learning Disentangled Discrete Representations [22.5004558029479]
本稿では,標準ガウス変分オートエンコーダをカテゴリー変分オートエンコーダに置き換えることで,離散潜在空間と非交分表現の関係を示す。本研究では,非絡み合った表現を学習する上で,個別のVAEの利点を示す分析的および実証的な知見を提供する。
論文参考訳（メタデータ） (2023-07-26T12:29:58Z)
A Heavy-Tailed Algebra for Probabilistic Programming [53.32246823168763]
本稿では,確率変数の尾を解析するための体系的アプローチを提案する。本稿では,確率型プログラミング言語コンパイラの静的解析(サンプル作成前)において,この手法をどのように利用できるかを示す。実験結果から,重み付き代数を利用する推論アルゴリズムは,多数の密度モデリングおよび変分推論タスクにおいて優れた性能が得られることを確認した。
論文参考訳（メタデータ） (2023-06-15T16:37:36Z)
Leveraging Heteroscedastic Uncertainty in Learning Complex Spectral Mapping for Single-channel Speech Enhancement [20.823177372464414]
ほとんどの音声強調(SE)モデルは、ポイント推定を学習し、学習過程における不確実性推定を利用しない。本研究では,多変量ガウス陰性ログ類似度 (NLL) を最小化することにより,SE性能を余分なコストで向上させることにより,ヘテロスセダスティック不確実性をモデル化できることを示す。
論文参考訳（メタデータ） (2022-11-16T02:29:05Z)
Large-Sample Properties of Non-Stationary Source Separation for Gaussian Signals [2.2557806157585834]
我々は,非定常音源分離の一般的な方法である NSS-JD に対する大サンプル理論を開発した。標準平方根率における非混合推定器の整合性とガウス分布への収束性は保たれることを示す。シミュレーション実験は、理論結果の検証と、ブロック長が分離に与える影響を調べるために用いられる。
論文参考訳（メタデータ） (2022-09-21T08:13:20Z)
Clipped Stochastic Methods for Variational Inequalities with Heavy-Tailed Noise [64.85879194013407]
単調なVIPと非単調なVIPの解法における信頼度に対数的依存を持つ最初の高確率結果が証明された。この結果は光尾の場合で最もよく知られたものと一致し,非単調な構造問題に新鮮である。さらに,多くの実用的な定式化の勾配雑音が重く,クリッピングによりSEG/SGDAの性能が向上することを示す。
論文参考訳（メタデータ） (2022-06-02T15:21:55Z)
Sampling-free Variational Inference for Neural Networks with Multiplicative Activation Noise [51.080620762639434]
サンプリングフリー変動推論のための後方近似のより効率的なパラメータ化を提案する。提案手法は,標準回帰問題に対する競合的な結果をもたらし,大規模画像分類タスクに適している。
論文参考訳（メタデータ） (2021-03-15T16:16:18Z)
Efficient Semi-Implicit Variational Inference [65.07058307271329]
効率的でスケーラブルな半単純外挿 (SIVI) を提案する。本手法はSIVIの証拠を低勾配値の厳密な推測にマッピングする。
論文参考訳（メタデータ） (2021-01-15T11:39:09Z)
The Hidden Uncertainty in a Neural Networks Activations [105.4223982696279]
ニューラルネットワークの潜在表現の分布は、アウト・オブ・ディストリビューション(OOD)データの検出に成功している。本研究は、この分布が、モデルの不確実性と相関しているかどうかを考察し、新しい入力に一般化する能力を示す。
論文参考訳（メタデータ） (2020-12-05T17:30:35Z)
Network Moments: Extensions and Sparse-Smooth Attacks [59.24080620535988]
ガウス入力を受ける小片方向線形(PL)ネットワーク(Affine,ReLU,Affine)の第1モーメントと第2モーメントの正確な解析式を導出する。本研究では,新しい分散式を効率的に近似し,より厳密な分散推定を行うことを示す。
論文参考訳（メタデータ） (2020-06-21T11:36:41Z)

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。