Fugu-MT 論文翻訳(概要): LISA: Laplacian In-context Spectral Analysis

論文の概要: LISA: Laplacian In-context Spectral Analysis

arxiv url: http://arxiv.org/abs/2602.04906v1
Date: Tue, 03 Feb 2026 22:58:43 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-06 18:49:08.527855
Title: LISA: Laplacian In-context Spectral Analysis
Title（参考訳）: LISA: Laplacian in-context Spectral Analysis
Authors: Julio Candanedo,
Abstract要約: 時系列モデルの推論時間適応法であるラプラシアン・インコンテクストスペクトル解析(LISA)を提案する。 LISAは遅延座標埋め込みとラプラシアスペクトル学習を組み合わせて拡散座標状態表現を生成する。
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 propose Laplacian In-context Spectral Analysis (LISA), a method for inference-time adaptation of Laplacian-based time-series models using only an observed prefix. LISA combines delay-coordinate embeddings and Laplacian spectral learning to produce diffusion-coordinate state representations, together with a frozen nonlinear decoder for one-step prediction. We introduce lightweight latent-space residual adapters based on either Gaussian-process regression or an attention-like Markov operator over context windows. Across forecasting and autoregressive rollout experiments, LISA improves over the frozen baseline and is often most beneficial under changing dynamics. This work links in-context adaptation to nonparametric spectral methods for dynamical systems.
Abstract（参考訳）: 観測プレフィックスのみを用いたラプラシアン型時系列モデルの推論時間適応法であるラプラシアンインコンテキストスペクトル解析(LISA)を提案する。 LISAは遅延座標埋め込みとラプラシアスペクトル学習を組み合わせて拡散座標状態表現と1ステップ予測のための凍結非線形デコーダを生成する。本稿では,ガウス過程回帰あるいは文脈ウィンドウ上での注目型マルコフ演算子に基づく軽量潜在空間残差アダプタを提案する。予測および自己回帰的なロールアウト実験全体において、LISAは凍結したベースラインよりも改善され、ダイナミクスの変化の下では最も有益であることが多い。この研究は、動的システムに対する非パラメトリックスペクトル法にコンテキスト適応を関連付ける。

関連論文リスト

LatentTrack: Sequential Weight Generation via Latent Filtering [0.0]
LatentTrack(LT)は、非定常力学の下でのオンライン確率予測のためのシーケンシャルニューラルネットワークである。 LTは低次元潜在空間で因果ベイズフィルタを行い、軽量なハイパーネットワークを用いて各時間ステップで予測モデルパラメータを生成する。 LTは、ステートフルなシーケンシャルおよび静的不確実性認識ベースラインよりも低い負の対数や平均二乗誤差を一貫して校正した。
論文参考訳（メタデータ） (2026-01-31T02:22:59Z)
Spectral Logit Sculpting: Adaptive Low-Rank Logit Transformation for Controlled Text Generation [21.76979685109612]
エントロピーに基づく推論手法は,Large Language Models (LLMs) の信頼性向上のために注目を集めている。本稿では,近年のロジットのスペクトル特性とエントロピー特性を用いて,トークン分布を動的に変調する軽量な推論時間最適化手法であるSLSを提案する。 SLSは既存のベースライン法を一貫して上回り、数学的、コーディング、科学的推論のタスクにおいて優れた精度を達成している。
論文参考訳（メタデータ） (2025-09-19T04:17:46Z)
Inference-Time Scaling of Diffusion Language Models with Particle Gibbs Sampling [70.8832906871441]
我々は、モデルを再訓練することなく、所望の報酬に向けて世代を操る方法を研究する。従来の手法では、通常は1つの認知軌道内でサンプリングやフィルタを行い、軌道レベルの改善なしに報酬をステップバイステップで最適化する。本稿では,拡散言語モデル(PG-DLM)の粒子ギブスサンプリングについて紹介する。
論文参考訳（メタデータ） (2025-07-11T08:00:47Z)
A Simplified Analysis of SGD for Linear Regression with Weight Averaging [64.2393952273612]
最近の研究は、定常学習率を用いた線形回帰におけるSGD最適化のためのシャープレートを提供する。簡単な線形代数ツールを用いて,2021ベニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグナグニグニグニグニグニグニグニグニグニグニグネグニグニグニグニグネグニグニグネグニ我々の研究は線形回帰の勾配勾配を非常に容易に解析し、ミニバッチと学習率のスケジューリングのさらなる分析に役立てることができると信じている。
論文参考訳（メタデータ） (2025-06-18T15:10:38Z)
SpectraLDS: Provable Distillation for Linear Dynamical Systems [15.044978571406254]
対称線形力学系を同定するための最初の証明可能な手法を提案する。我々のアプローチは、対称LSDを固定スペクトル変換によって学習可能な畳み込みとして表現する最近の研究に基づいている。
論文参考訳（メタデータ） (2025-05-23T13:16:54Z)
Joint State Estimation and Noise Identification Based on Variational Optimization [8.536356569523127]
CVIAKFと呼ばれる共役計算変分推論に基づく新しい適応カルマンフィルタ法を提案する。 CVIAKFの有効性は、目標追尾のための合成および実世界のデータセットを通して検証される。
論文参考訳（メタデータ） (2023-12-15T07:47:03Z)
Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文参考訳（メタデータ） (2023-12-10T15:22:30Z)
Temporal-spatial model via Trend Filtering [12.875863572064986]
本研究は、時間と空間の同時依存性を持つデータを対象とした非パラメトリック回帰関数の推定に焦点をあてる。トレンド・フィルタの研究で以前は知られていなかった一意の相転移現象が、我々の分析を通して現れる。
論文参考訳（メタデータ） (2023-08-30T17:50:00Z)
NAG-GS: Semi-Implicit, Accelerated and Robust Stochastic Optimizer [45.47667026025716]
2つの重要な要素に依存した、新しく、堅牢で、加速された反復を提案する。 NAG-GSと呼ばれる手法の収束と安定性は、まず広範に研究されている。我々は、NAG-arityが、重量減衰を伴う運動量SGDや機械学習モデルのトレーニングのためのAdamWといった最先端の手法と競合していることを示す。
論文参考訳（メタデータ） (2022-09-29T16:54:53Z)
Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
論文参考訳（メタデータ） (2022-09-27T07:58:25Z)
Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文参考訳（メタデータ） (2020-11-02T18:02:26Z)

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。