論文の概要: Variational Sparse Paired Autoencoders (vsPAIR) for Inverse Problems and Uncertainty Quantification

• arxiv url: http://arxiv.org/abs/2602.02948v1
• Date: Tue, 03 Feb 2026 00:46:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.155962
• Title: Variational Sparse Paired Autoencoders (vsPAIR) for Inverse Problems and Uncertainty Quantification
• Title（参考訳）: 逆問題と不確実性定量化のための可変スパースペアオートエンコーダ(vsPAIR)
• Authors: Jack Michael Solomon, Rishi Leburu, Matthias Chung,
• Abstract要約: 逆問題は、ノイズ測定から隠れた、根底にある量を再構築しようとするときに生じる。 本稿では,この課題に対処するための変分スパースペア自動エンコーダ (vsPAIR) を提案する。 我々はブラインドインペイントと計算トモグラフィの実験を行い、vsPAIRが逆問題解法であることを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Inverse problems are fundamental to many scientific and engineering disciplines; they arise when one seeks to reconstruct hidden, underlying quantities from noisy measurements. Many applications demand not just point estimates but interpretable uncertainty. Providing fast inference alongside uncertainty estimates remains challenging yet desirable in numerous applications. We propose the Variational Sparse Paired Autoencoder (vsPAIR) to address this challenge. The architecture pairs a standard VAE encoding observations with a sparse VAE encoding quantities of interest, connected through a learned latent mapping. The variational structure enables uncertainty estimation, the paired architecture encourages interpretability by anchoring QoI representations to clean data, and sparse encodings provide structure by concentrating information into identifiable factors rather than diffusing across all dimensions. We also propose modifications to existing sparse VAE methods: a hard-concrete spike-and-slab relaxation for differentiable training and a beta hyperprior for adaptive sparsity levels. To validate the effectiveness of our proposed architecture, we conduct experiments on blind inpainting and computed tomography, demonstrating that vsPAIR is a capable inverse problem solver that can provide interpretable and structured uncertainty estimates.
• Abstract（参考訳）: 逆問題は多くの科学や工学の分野において基本的な問題であり、ノイズ測定から隠れた基礎となる量を再構築しようとするときに生じる。 多くのアプリケーションは点推定だけでなく、解釈可能な不確実性を要求する。 不確実性推定と共に高速な推論を提供することは、多くのアプリケーションで依然として望ましい。 本稿では,この課題に対処するための変分スパースペア自動エンコーダ (vsPAIR) を提案する。 アーキテクチャは、学習された潜伏写像を介して接続された、興味を多くコードするスパースVAEと観測を符号化する標準VAEとをペアリングする。 変動構造は不確実性の推定を可能にし、ペアアーキテクチャはQoI表現をクリーンなデータに固定することで解釈可能性を促進し、スパースエンコーディングは情報を全次元にわたって拡散するのではなく、識別可能な因子に集約することで構造を提供する。 また,既存のスパースVAE法の改良として,微分可能トレーニングのためのハードコンクリートスパイク・アンド・スラブ緩和法,適応空間レベルのためのベータハイパープライアを提案する。 提案手法の有効性を検証するため, ブラインド塗布および計算トモグラフィの実験を行い, 対PAIRは解釈可能かつ構造化された不確実性推定を提供する逆問題解法であることを示した。

関連論文リスト

• Task-Awareness Improves LLM Generations and Uncertainty [48.857040212979484]
  ベイズ最適応答は、ビームサーチのような標準的な復号法より一貫して優れている。 我々の決定論的なフレームワークは、潜在応答構造を持つあらゆる問題に適用できる。
  論文  参考訳（メタデータ） (2026-01-29T10:16:23Z)
• Overcoming Joint Intractability with Lossless Hierarchical Speculative Decoding [58.92526489742584]
  我々は無益な無益な提案をする。 承認されたトークンの数を大幅に増加させる検証方法。 HSDは様々なモデルファミリやベンチマークの受け入れ率に一貫した改善をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-01-09T11:10:29Z)
• Accelerate Speculative Decoding with Sparse Computation in Verification [49.74839681322316]
  投機的復号化は、複数のドラフトトークンを並列に検証することにより、自動回帰言語モデル推論を加速する。 既存のスペーシフィケーション方式は主にトークン・バイ・トーケンの自己回帰復号化のために設計されている。 そこで本研究では,注目度,FFN,MoEを両立させるスパース検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-26T07:53:41Z)
• Multi-Fidelity Delayed Acceptance: hierarchical MCMC sampling for Bayesian inverse problems combining multiple solvers through deep neural networks [0.3499870393443268]
  逆不確実量化(UQ)タスクは、物理モデルを扱う際に計算的に要求される。 データ駆動サロゲートモデルは、評価コストを削減するのに役立つが、高忠実度データを生成するコストによって、その実用性は制限されることが多い。 ベイズ逆問題に対するマルチフィデリティ遅延アクセプタンス方式を提案する。
  論文  参考訳（メタデータ） (2025-12-18T11:32:16Z)
• Adaptive Evidential Learning for Temporal-Semantic Robustness in Moment Retrieval [39.603000380180774]
  Debiased Evidential Learning for Moment Retrieval (DEMR)は、クロスモーダルアライメントのための反射Flipped Fusion(RFF)ブロックを組み込んだ新しいフレームワークである。 我々は,不確実性予測を洗練し,困難なモーメントと適応的なアライメントを実現し,精度を向上するGeom-regularizerを提案する。
  論文  参考訳（メタデータ） (2025-11-30T16:13:20Z)
• Practical classical error correction for parity-encoded spin systems [0.0]
  パリティエンコーディング(PE)アーキテクチャは、ローカル接続のみを持つ拡張スピンシステムで構成されている。 本稿では,PEアーキテクチャのスピン読み出しにおけるスピンフリップ誤差の相関を考慮した実用的な復号法を提案する。
  論文  参考訳（メタデータ） (2025-02-11T01:31:24Z)
• Alpha-VI DeepONet: A prior-robust variational Bayesian approach for enhancing DeepONets with uncertainty quantification [0.0]
  一般化変分推論(GVI)を組み込んだ新しいディープオペレータネットワーク(DeepONet)を提案する。 分岐ネットワークとトランクネットワークのビルディングブロックとしてベイズニューラルネットワークを組み込むことで,不確実な定量化が可能なDeepONetを実現する。 変動目的関数の修正は平均二乗誤差を最小化する点で優れた結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-08-01T16:22:03Z)
• QGait: Toward Accurate Quantization for Gait Recognition with Binarized Input [17.017127559393398]
  バックプロパゲーション時の円関数の勾配をよりよくシミュレートする,微分可能なソフト量子化器を提案する。 これにより、ネットワークは微妙な入力摂動から学習することができる。 量子化エラーをシミュレートしながら収束を確保するためのトレーニング戦略をさらに洗練する。
  論文  参考訳（メタデータ） (2024-05-22T17:34:18Z)
• Hierarchical Variational Autoencoder for Visual Counterfactuals [79.86967775454316]
  条件変量オート(VAE)は、説明可能な人工知能(XAI)ツールとして注目されている。 本稿では, 後部の効果がいかに緩和され, 対物的効果が成功するかを示す。 本稿では,アプリケーション内の分類器を視覚的に監査できる階層型VAEについて紹介する。
  論文  参考訳（メタデータ） (2021-02-01T14:07:11Z)
• Towards a Theoretical Understanding of the Robustness of Variational Autoencoders [82.68133908421792]
  敵攻撃や他の入力摂動に対する変分オートエンコーダ(VAE)の堅牢性を理解するために,我々は進出している。 確率モデルにおけるロバスト性のための新しい基準である$r$-robustnessを開発する。 遠心法を用いて訓練したVAEが、ロバストネスの指標でよく評価されていることを示す。
  論文  参考訳（メタデータ） (2020-07-14T21:22:29Z)
• NADS: Neural Architecture Distribution Search for Uncertainty Awareness [79.18710225716791]
  機械学習(ML)システムは、トレーニングデータとは異なるディストリビューションから来るテストデータを扱う場合、しばしばOoD(Out-of-Distribution)エラーに遭遇する。 既存のOoD検出アプローチはエラーを起こしやすく、時にはOoDサンプルに高い確率を割り当てることもある。 本稿では,すべての不確実性を考慮したアーキテクチャの共通構築ブロックを特定するために,ニューラルアーキテクチャ分布探索(NADS)を提案する。
  論文  参考訳（メタデータ） (2020-06-11T17:39:07Z)

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。