論文の概要: A Differentiable Bayesian Relaxation for Latent Partial-Order Inference

• arxiv url: http://arxiv.org/abs/2605.06976v1
• Date: Thu, 07 May 2026 21:47:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.638331
• Title: A Differentiable Bayesian Relaxation for Latent Partial-Order Inference
• Title（参考訳）: 潜在部分順序推論のための微分ベイズ緩和法
• Authors: Dongqing Li, Geoff K. Nicholls, Shiyi Sun, You Luo,
• Abstract要約: 多くのランク付けおよびエージェントトレースデータセットは、その潜在構造が部分的に順序づけられているにもかかわらず、線形順序として記録される。 このようなトレースから潜在部分順序推論を微分可能緩和する。 我々は,ソフトトランジシティ,シャープリミットフロンティア回復,硬度への収束を証明した。
• 参考スコア（独自算出の注目度）: 2.124421328820064
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many ranking and agent trace datasets are recorded as linear orders even though their latent structure is only partially ordered. This is especially common in agent and workflow traces, where observed order may reflect arbitrary linearization rather than true prerequisites. We introduce a differentiable relaxation for latent partial-order inference from such traces. Starting from a hard frontier-constrained model of noisy linear extensions, we replace discontinuous product-order precedence and binary frontier feasibility with smooth surrogates, yielding a continuous posterior that preserves closure-level partial-order semantics and supports gradient-based MCMC and variational inference. We prove soft transitivity, sharp-limit frontier recovery, and convergence to the hard likelihood. Experiments on synthetic data, records of social dominance relations, and cloud-agent traces show close posterior fidelity to hard MCMC on small instances and improved runtime--accuracy trade-offs on larger problems.
• Abstract（参考訳）: 多くのランキングとエージェントトレースデータセットは、その潜在構造が部分的に順序づけられているにもかかわらず、線形順序として記録される。 これはエージェントやワークフローのトレースにおいて特に一般的であり、観測された順序は真の前提条件ではなく任意の線形化を反映する。 このようなトレースから潜在部分順序推論を微分可能緩和する。 ノイズのある線形拡大のハードフロンティア制約モデルから始め、不連続な積階述語と二項フロンティア実現性を滑らかなサロゲートに置き換え、閉包レベルの部分階意味を保存し、勾配に基づくMCMCと変分推論をサポートする連続的な後部を与える。 我々は,ソフトトランジシティ,シャープリミットフロンティア回復,硬度への収束を証明した。 合成データ, 社会的支配関係の記録, クラウドエージェントトレースによる実験により, 小インスタンスでの硬度MCMCに対する後部忠実度が向上し, より大きな問題に対する実行時精度トレードオフが改善された。

関連論文リスト

• FD-DB: Frequency-Decoupled Dual-Branch Network for Unpaired Synthetic-to-Real Domain Translation [2.0687092208681923]
  周波数分離型2分岐モデルであるFD-DBを提案する。 YCB-Vデータセットの実験により、FD-DBは実際のドメインの外観の整合性を改善し、下流セマンティックセマンティクスの性能を大幅に向上させることが示された。
  論文  参考訳（メタデータ） (2026-02-10T07:16:53Z)
• Posterior Collapse as a Phase Transition in Variational Autoencoders [13.161084138023169]
  変分オートエンコーダ(VAE)の後方崩壊現象を統計物理学の観点から検討する。 後方崩壊に伴う自明な解の安定性を解析することにより、臨界超パラメータ閾値を同定する。 我々は、この臨界挙動を合成と実世界の両方のデータセットで検証し、相転移の存在を確認する。
  論文  参考訳（メタデータ） (2025-10-02T02:52:25Z)
• Low-Rank Tensor Recovery via Variational Schatten-p Quasi-Norm and Jacobian Regularization [49.85875869048434]
  暗黙的神経表現のためのニューラルネットワークによりパラメータ化されたCPベースの低ランクテンソル関数を提案する。 本研究では、スペーサーCP分解を実現するために、冗長なランク1成分に変分Schatten-p quasi-normを導入する。 滑らか性のために、ヤコビアンとハッチンソンのトレース推定器のスペクトルノルムに基づく正規化項を提案する。
  論文  参考訳（メタデータ） (2025-06-27T11:23:10Z)
• Optimal lower bounds for logistic log-likelihoods [1.3124513975412255]
  ロジット変換は、おそらく線形設定を超えて最も広く採用されているリンク関数である。 2次よりも鋭い接する下界が、結果として生じるマイノライザーのトラクタビリティを損なうことなく導出できるかどうかはまだ分かっていない。 本稿は、新しい2次下界の設計と研究を通じて、このような挑戦的な問題に対処する。
  論文  参考訳（メタデータ） (2024-10-14T09:09:33Z)
• Stable Nonconvex-Nonconcave Training via Linear Interpolation [51.668052890249726]
  本稿では,ニューラルネットワークトレーニングを安定化(大規模)するための原理的手法として,線形アヘッドの理論解析を提案する。 最適化過程の不安定性は、しばしば損失ランドスケープの非単調性によって引き起こされるものであり、非拡張作用素の理論を活用することによって線型性がいかに役立つかを示す。
  論文  参考訳（メタデータ） (2023-10-20T12:45:12Z)
• Rank Collapse Causes Over-Smoothing and Over-Correlation in Graph Neural Networks [3.566568169425391]
  深さが大きくなると、ノード表現はアグリゲーション関数に依存するが特徴変換には依存しない低次元部分空間に支配されることが示される。 すべてのアグリゲーション関数について、ノード表現のランクは崩壊し、特定のアグリゲーション関数に対して過度に滑らかになる。
  論文  参考訳（メタデータ） (2023-08-31T15:22:31Z)
• Last-Iterate Convergence of Adaptive Riemannian Gradient Descent for Equilibrium Computation [52.73824786627612]
  本稿では,テクスト幾何学的強単調ゲームに対する新たな収束結果を確立する。 我々のキーとなる結果は、RGDがテクスト幾何学的手法で最終定位線形収束を実現することを示しています。 全体として、ユークリッド設定を超えるゲームに対して、幾何学的に非依存な最終点収束解析を初めて提示する。
  論文  参考訳（メタデータ） (2023-06-29T01:20:44Z)
• Implicit Bias of Gradient Descent for Logistic Regression at the Edge of Stability [69.01076284478151]
  機械学習の最適化において、勾配降下(GD)はしばしば安定性の端(EoS)で動く 本稿では,EoS系における線形分離可能なデータに対するロジスティック回帰のための定数段差GDの収束と暗黙バイアスについて検討する。
  論文  参考訳（メタデータ） (2023-05-19T16:24:47Z)

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。