論文の概要: Relative Entropy Estimation in Function Space: Theory and Applications to Trajectory Inference

• arxiv url: http://arxiv.org/abs/2604.20775v1
• Date: Wed, 22 Apr 2026 17:03:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:11.244889
• Title: Relative Entropy Estimation in Function Space: Theory and Applications to Trajectory Inference
• Title（参考訳）: 関数空間における相対エントロピー推定:理論と軌道推定への応用
• Authors: Chao Wang, Luca Nepote, Giulio Franzese, Pietro Michiardi,
• Abstract要約: Trajectory Inference (TI)はスナップショットデータから遅延動的プロセスを復元する。 単細胞ゲノミクスのような応用において、破壊測定は有限個の辺縁からパス空間法則を特定できないものにする。 関数空間上の確率測度間のKL(Kullback-Leibler divergence)の偏差を推定するための一般的な枠組みを提案する。
• 参考スコア（独自算出の注目度）: 12.968551579672214
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Trajectory Inference (TI) seeks to recover latent dynamical processes from snapshot data, where only independent samples from time-indexed marginals are observed. In applications such as single-cell genomics, destructive measurements make path-space laws non-identifiable from finitely many marginals, leaving held-out marginal prediction as the dominant but limited evaluation protocol. We introduce a general framework for estimating the Kullback-Leibler divergence (KL) divergence between probability measures on function space, yielding a tractable, data-driven estimator that is scalable to realistic snapshot datasets. We validate the accuracy of our estimator on a benchmark suite, where the estimated functional KL closely matches the analytic KL. Applying this framework to synthetic and real scRNA-seq datasets, we show that current evaluation metrics often give inconsistent assessments, whereas path-space KL enables a coherent comparison of trajectory inference methods and exposes discrepancies in inferred dynamics, especially in regions with sparse or missing data. These results support functional KL as a principled criterion for evaluating trajectory inference under partial observability.
• Abstract（参考訳）: Trajectory Inference (TI) はスナップショットデータから潜伏するダイナミックなプロセスを復元し、タイムインデックス付き辺縁から独立したサンプルのみを観察する。 単細胞ゲノミクスのような応用では、破壊測定は有限個の辺縁からパス空間法則を特定できず、保持された辺縁予測を支配的であるが限定的な評価プロトコルとして残す。 本稿では,関数空間上の確率測度間のKL(Kulback-Leibler divergence)のばらつきを推定するための一般的なフレームワークを提案する。 我々は,推定関数KLが解析的KLと密接に一致するベンチマークスイート上で,推定器の精度を検証した。 このフレームワークを合成および実scRNA-seqデータセットに適用すると、現在の評価指標は、しばしば矛盾した評価を与えるが、パススペースKLは、軌道推定手法の一貫性のある比較を可能にし、特にスパースや欠落したデータのある領域において、推論力学における不一致を露呈する。 これらの結果は, 部分観測可能性の下での軌道推定の原理的基準として機能的KLを支持する。

関連論文リスト

• Generative Modeling under Non-Monotonic MAR Missingness via Approximate Wasserstein Gradient Flows [6.221876252052772]
  MAR(Missing at Random)の値を持つデータセットから完全なデータセットを生成するための原則的反復法を提案する。 FLOWGEMは、観測されたデータ分布と、異なる欠落パターンにおける生成したサンプルの分布との予測KL(Kullback-Leibler)のばらつきを最小化する。 これは、モノトニックなMARメカニズムの挑戦的なケースを含む、さまざまな設定で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-04-06T09:56:08Z)
• Spatially Robust Inference with Predicted and Missing at Random Labels [2.5574009994099196]
  交差フィットは空間分散推定器を歪ませ、不安定あるいは過度に保守的な信頼区間を生じる折りたたみレベルの相関を誘導することを示す。 また、折りたたみ雑音から依存を分離するジャックニフェ空間異方性と自動整合性(HAC)の分散補正を提案する。
  論文  参考訳（メタデータ） (2026-03-11T23:14:21Z)
• Causal Imitation Learning Under Measurement Error and Distribution Shift [6.038778620145853]
  ノイズ測定によってのみ、決定関連状態の一部が観察される場合、オフライン模倣学習(IL)について検討する。 本稿では,変数間の因果関係を明示的にモデル化することによって,測定誤差下でのILの一般的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-29T18:06:53Z)
• Bayesian Semiparametric Causal Inference: Targeted Doubly Robust Estimation of Treatment Effects [1.2833734915643464]
  本稿では,平均治療効果(ATE)を推定するための半パラメトリックベイズ手法を提案する。 本手法では,ニュアンス推定によるバイアスを補正するベイズ偏差補正法を提案する。 広範囲なシミュレーションにより理論結果が確認され、正確な点推定と信頼区間が明確化される。
  論文  参考訳（メタデータ） (2025-11-19T22:15:04Z)
• A Tale of Sampling and Estimation in Discounted Reinforcement Learning [50.43256303670011]
  割引平均推定問題に対して最小値の最小値を求める。 マルコフ過程の割引されたカーネルから直接サンプリングすることで平均を推定すると、説得力のある統計的性質が得られることを示す。
  論文  参考訳（メタデータ） (2023-04-11T09:13:17Z)
• Biases in Inverse Ising Estimates of Near-Critical Behaviour [0.0]
  逆推論は、ペアワイズ相互作用を経験的相関から再構成することを可能にする。 Pseudo-likelihood (PLM) などの推定値に偏りが認められた。 データ駆動法は神経科学による機能的磁気共鳴イメージング(fMRI)データセットに研究され応用された。
  論文  参考訳（メタデータ） (2023-01-13T14:01:43Z)
• Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
  統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。 本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
  論文  参考訳（メタデータ） (2022-08-29T16:16:22Z)
• On Disentangled Representations Learned From Correlated Data [59.41587388303554]
  相関データに対する最も顕著な絡み合うアプローチの挙動を解析することにより、現実のシナリオにギャップを埋める。 本研究では,データセットの体系的相関が学習され,潜在表現に反映されていることを示す。 また、トレーニング中の弱い監督や、少数のラベルで事前訓練されたモデルを修正することで、これらの潜伏相関を解消する方法を実証する。
  論文  参考訳（メタデータ） (2020-06-14T12:47:34Z)
• 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)
• GenDICE: Generalized Offline Estimation of Stationary Values [108.17309783125398]
  重要なアプリケーションでは,効果的な推定が依然として可能であることを示す。 我々のアプローチは、定常分布と経験分布の差を補正する比率を推定することに基づいている。 結果として得られるアルゴリズム、GenDICEは単純で効果的である。
  論文  参考訳（メタデータ） (2020-02-21T00:27:52Z)

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。