論文の概要: One-Step Score-Based Density Ratio Estimation

• arxiv url: http://arxiv.org/abs/2604.10672v1
• Date: Sun, 12 Apr 2026 14:53:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.164261
• Title: One-Step Score-Based Density Ratio Estimation
• Title（参考訳）: 1ステップスコアベース密度比の推定
• Authors: Wei Chen, Qibin Zhao, John Paisley, Junmei Yang, Delu Zeng,
• Abstract要約: 1ステップのスコアベース密度比推定(OS-DRE)は、部分的に解析的で解けないフレームワークである。 OS-DREは時間スコアを空間的および時間的成分に分解し、後者を解析的ラジアル基底関数(RBF)フレームで表す。 密度推定,連続Kulback-Leibler,相互情報推定,および分布外検出による実験により,OS-DREは推定品質と推定効率のバランスが良好であることを実証した。
• 参考スコア（独自算出の注目度）: 31.654131641085787
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Density ratio estimation (DRE) is a useful tool for quantifying discrepancies between probability distributions, but existing approaches often involve a trade-off between estimation quality and computational efficiency. Classical direct DRE methods are usually efficient at inference time, yet their performance can seriously deteriorate when the discrepancy between distributions is large. In contrast, score-based DRE methods often yield more accurate estimates in such settings, but they typically require considerable repeated function evaluations and numerical integration. We propose One-step Score-based Density Ratio Estimation (OS-DRE), a partly analytic and solver-free framework designed to combine these complementary advantages. OS-DRE decomposes the time score into spatial and temporal components, representing the latter with an analytic radial basis function (RBF) frame. This formulation converts the otherwise intractable temporal integral into a closed-form weighted sum, thereby removing the need for numerical solvers and enabling DRE with only one function evaluation. We further analyze approximation conditions for the analytic frame, and establish approximation error bounds for both finitely and infinitely smooth temporal kernels, grounding the framework in existing approximation theory. Experiments across density estimation, continual Kullback-Leibler and mutual information estimation, and near out-of-distribution detection demonstrate that OS-DRE offers a favorable balance between estimation quality and inference efficiency.
• Abstract（参考訳）: 密度比推定(DRE)は確率分布間の不一致を定量化するための有用なツールであるが、既存の手法では推定品質と計算効率のトレードオフを伴うことが多い。 古典的な直接DRE法は通常、推定時に効率が良いが、分布間の差が大きい場合には、その性能は著しく低下する。 対照的に、スコアベースのDRE法は、そのような設定でより正確な推定値を得ることが多いが、典型的には、かなりの繰り返し関数評価と数値積分を必要とする。 本稿では,これらの相補的優位性を組み合わせるために,一段階のスコアベース密度比推定(OS-DRE)を提案する。 OS-DREは時間スコアを空間的および時間的成分に分解し、後者を解析的ラジアル基底関数(RBF)フレームで表す。 この定式化は、難解でない時間積分を閉形式重み付き和に変換し、数値解法の必要性を排除し、1つの関数評価のみでDREを可能にする。 さらに解析フレームの近似条件を解析し、有限かつ無限に滑らかな時間カーネルの近似誤差境界を確立し、既存の近似理論の枠組みを基礎とする。 密度推定,連続Kulback-Leibler,相互情報推定,および分布外検出による実験により,OS-DREは推定品質と推定効率のバランスが良好であることを実証した。

関連論文リスト

• ScoreMatchingRiesz: Auto-DML with Infinitesimal Classification [6.44705221140412]
  Riesz表現子は、$sqrtn$-consistentと効率的な推定器を構築するための機械学習の重要なコンポーネントである。 スコアマッチングに基づくDRE手法をRiesz表現子推定に拡張する。
  論文  参考訳（メタデータ） (2025-12-23T17:14:14Z)
• Score Matching for Estimating Finite Point Processes [11.422667985375469]
  我々はジャノッシー測度による有限点過程のスコアマッチングのための公式な枠組みを開発する。 古典的パラメトリック設定において統計特性を解析する(自己回帰的な)重み付きスコアマッチング推定器を導入する。
  論文  参考訳（メタデータ） (2025-12-04T09:46:48Z)
• In-Context Parametric Inference: Point or Distribution Estimators? [66.22308335324239]
  償却点推定器は一般に後部推論より優れているが、後者は低次元問題では競争力がある。 実験の結果, 償却点推定器は一般に後部推定より優れているが, 後者は低次元問題では競争力があることがわかった。
  論文  参考訳（メタデータ） (2025-02-17T10:00:24Z)
• Density Ratio Estimation with Conditional Probability Paths [14.251729168309067]
  条件変数に基づく時間スコア推定のための新しいフレームワークを提案する。 従来の手法と比較して,本手法は時間スコアの学習を高速化し,密度比の推定精度が向上することを示した。
  論文  参考訳（メタデータ） (2025-02-04T13:13:35Z)
• Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
  実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。 本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
  論文  参考訳（メタデータ） (2023-06-13T01:18:16Z)
• A Unified Framework for Multi-distribution Density Ratio Estimation [101.67420298343512]
  バイナリ密度比推定(DRE)は多くの最先端の機械学習アルゴリズムの基礎を提供する。 ブレグマン最小化の発散の観点から一般的な枠組みを開発する。 我々のフレームワークはバイナリDREでそれらのフレームワークを厳格に一般化する手法に導かれることを示す。
  論文  参考訳（メタデータ） (2021-12-07T01:23:20Z)
• Density Ratio Estimation via Infinitesimal Classification [85.08255198145304]
  そこで我々は, DRE-inftyを提案する。 DRE-inftyは, 密度比推定(DRE)を, より簡単なサブプロブレムに還元する手法である。 モンテカルロ法にインスパイアされ、中間ブリッジ分布の無限連続体を介して2つの分布の間を滑らかに補間する。 提案手法は,複雑な高次元データセット上での相互情報推定やエネルギーベースモデリングなどの下流タスクにおいて良好に動作することを示す。
  論文  参考訳（メタデータ） (2021-11-22T06:26:29Z)
• Nonparametric Score Estimators [49.42469547970041]
  未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。 正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。 カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
  論文  参考訳（メタデータ） (2020-05-20T15:01:03Z)
• A General Method for Robust Learning from Batches [56.59844655107251]
  本稿では,バッチから頑健な学習を行う一般的なフレームワークについて考察し,連続ドメインを含む任意の領域に対する分類と分布推定の限界について考察する。 本手法は,一括分節分類,一括分節,単調,対数凹,ガウス混合分布推定のための,最初の頑健な計算効率の学習アルゴリズムを導出する。
  論文  参考訳（メタデータ） (2020-02-25T18:53:25Z)

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。