論文の概要: Simulation-Based Inference via Regression Projection and Batched Discrepancies

• arxiv url: http://arxiv.org/abs/2602.03613v1
• Date: Tue, 03 Feb 2026 15:07:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.526966
• Title: Simulation-Based Inference via Regression Projection and Batched Discrepancies
• Title（参考訳）: 回帰投影によるシミュレーションに基づく推論とバッチ離散性
• Authors: Arya Farahi, Jonah Rose, Paul Torrey,
• Abstract要約: 我々は,観測データの回帰に基づく投影のみを用いて,シミュレーションパラメータを推論する軽量なシミュレーションベース推論手法を解析した。 DREAMSシミュレーションスイートを用いたトラクタブル非線形モデルと宇宙キャリブレーションタスクの実験は、回帰ベースの射影の計算上の利点を示している。
• 参考スコア（独自算出の注目度）: 1.9435397960631862
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We analyze a lightweight simulation-based inference method that infers simulator parameters using only a regression-based projection of the observed data. After fitting a surrogate linear regression once, the procedure simulates small batches at the proposed parameter values and assigns kernel weights based on the resulting batch-residual discrepancy, producing a self-normalized pseudo-posterior that is simple, parallelizable, and requires access only to the fitted regression coefficients rather than raw observations. We formalize the construction as an importance-sampling approximation to a population target that averages over simulator randomness, prove consistency as the number of parameter draws grows, and establish stability in estimating the surrogate regression from finite samples. We then characterize the asymptotic concentration as the batch size increases and the bandwidth shrinks, showing that the pseudo-posterior concentrates on an identified set determined by the chosen projection, thereby clarifying when the method yields point versus set identification. Experiments on a tractable nonlinear model and on a cosmological calibration task using the DREAMS simulation suite illustrate the computational advantages of regression-based projections and the identifiability limitations arising from low-information summaries.
• Abstract（参考訳）: 我々は,観測データの回帰に基づく投影のみを用いて,シミュレーションパラメータを推論する軽量なシミュレーションベース推論手法を解析した。 代用線形回帰を一度フィッティングした後、提案したパラメータ値で小さなバッチをシミュレートし、その結果のバッチ残差差に基づいてカーネル重みを割り当て、単純で並列化可能な自己正規化擬似ポストを生成し、生の観測よりも適合する回帰係数にのみアクセスする必要がある。 シミュレーションランダム性よりも平均的な人口目標に対する重要サンプリング近似として構成を定式化し、パラメータの引き数が増えるにつれて一貫性を証明し、有限標本からの代理回帰を推定する安定性を確立する。 次に、バッチサイズが増加し帯域幅が縮小するにつれて、漸近的な濃度を特徴付けることにより、擬似姿勢が選択された投影によって決定された識別された集合に集中することを示し、その手法が設定された識別に対して点を得るかどうかを明らかにする。 DREAMSシミュレーションスイートを用いたトラクタブル非線形モデルと宇宙キャリブレーションタスクの実験は、回帰ベースの投影の計算上の利点と、低情報要約から生じる識別可能性の限界を例示している。

関連論文リスト

• On Procrustes Contamination in Machine Learning Applications of Geometric Morphometrics [0.0]
  Geometric morphometrics (GMM) は形状変化の定量化に広く用いられ、最近では機械学習(ML)解析の入力として使われている。 標準のプラクティスは、データをトレーニングとテストセットに分割する前に、すべての標本を一般化プロクリスト分析(GPA)を介して整列させる。 ここでは、制御された2次元および3次元シミュレーションを用いて、GPAによる汚染の影響を正式に特徴づける。
  論文  参考訳（メタデータ） (2026-01-26T12:56:23Z)
• Flow Matching for Robust Simulation-Based Inference under Model Misspecification [11.172752919335394]
  Flow Matching Corrected Posterior Estimation(フローマッチング補正後推定)は、シミュレーションによって訓練された後部推定を、少数の実校正サンプルを用いて洗練するフレームワークである。 提案手法は,従来のSBIベースラインと比較して,推論精度と不確実性を向上し,不特定性の影響を常に緩和することを示す。
  論文  参考訳（メタデータ） (2025-09-27T16:10:53Z)
• Parallel Simulation for Log-concave Sampling and Score-based Diffusion Models [55.07411490538404]
  本稿では,次元$d$の適応的複雑性依存性を改善する並列サンプリング手法を提案する。 我々の手法は科学計算による並列シミュレーション技術に基づいている。
  論文  参考訳（メタデータ） (2024-12-10T11:50:46Z)
• Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
  シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。 本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。 提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
  論文  参考訳（メタデータ） (2024-04-11T09:23:36Z)
• Selective Nonparametric Regression via Testing [54.20569354303575]
  本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。 既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
  論文  参考訳（メタデータ） (2023-09-28T13:04:11Z)
• Random Forest Weighted Local Fréchet Regression with Random Objects [18.128663071848923]
  本稿では,新しいランダム森林重み付き局所Fr'echet回帰パラダイムを提案する。 最初の方法は、これらの重みを局所平均として、条件付きFr'echet平均を解くことである。 第二の手法は局所線形Fr'echet回帰を行い、どちらも既存のFr'echet回帰法を大幅に改善した。
  論文  参考訳（メタデータ） (2022-02-10T09:10:59Z)

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。