論文の概要: Exact Stiefel Optimization for Probabilistic PLS: Closed-Form Updates, Error Bounds, and Calibrated Uncertainty

• arxiv url: http://arxiv.org/abs/2605.11607v1
• Date: Tue, 12 May 2026 06:38:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.63366
• Title: Exact Stiefel Optimization for Probabilistic PLS: Closed-Form Updates, Error Bounds, and Calibrated Uncertainty
• Title（参考訳）: 確率的PLSのための厳密なスティフェル最適化:クローズドフォーム更新、エラー境界、校正不確かさ
• Authors: Haoran Hu, Xingce Wang,
• Abstract要約: 本研究では,雑音事前推定,制約付き確率最適化,予測キャリブレーションを組み合わせたエンドツーエンドフレームワークを開発した。 我々は、任意のガウス化により、このフレームワークをガウス以下の設定に拡張し、ブロック構造フィッシャー解析により、クローズドフォームの標準エラーを提供する。
• 参考スコア（独自算出の注目度）: 5.844591976842085
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Probabilistic partial least squares (PPLS) is a central likelihood-based model for two-view learning when one needs both interpretable latent factors and calibrated uncertainty. Building on the identifiable parameterization of Bouhaddani et al.\ (2018), existing fitting pipelines still face two practical bottlenecks: noise--signal coupling under joint EM/ECM updates and nontrivial handling of orthogonality constraints. Following the fixed-noise scalar-likelihood line of Hu et al.\ (2025), we develop an end-to-end framework that combines noise pre-estimation, constrained likelihood optimization, and prediction calibration in one pipeline. Relative to Hu et al.\ (2025), we replace full-spectrum noise averaging with noise-subspace estimation and replace interior-point penalty handling with exact Stiefel-manifold optimization. The noise-subspace estimator attains a signal-strength-independent leading finite-sample rate and matches a minimax lower bound, while the full-spectrum estimator is shown to be inconsistent under the same model. We further extend the framework to sub-Gaussian settings via optional Gaussianization and provide closed-form standard errors through a block-structured Fisher analysis. Across synthetic high-noise settings and two multi-omics benchmarks (TCGA-BRCA and PBMC CITE-seq), the method achieves near-nominal coverage without post-hoc recalibration, reaches Ridge-level point accuracy on TCGA-BRCA at rank $r=3$, matches or exceeds PO2PLS on cross-view prediction while providing native calibrated uncertainty, and improves stability of parameter recovery.
• Abstract（参考訳）: 確率的部分最小二乗(PPLS)は、解釈可能な潜在因子と校正された不確実性の両方を必要とする場合の2視点学習における中心的可能性に基づくモデルである。 Bouhaddani et al \ (2018)の同定可能なパラメータ化に基づいて、既存のフィッティングパイプラインは、ジョイントEM/ECM更新下でのノイズ-信号結合と、直交制約の非自明な処理の2つの実用的なボトルネックに直面している。 本稿では,Hu et al \ (2025) の固定ノイズスカラー線に続いて,雑音事前推定,制約された確率最適化,予測キャリブレーションを組み合わせたエンドツーエンドフレームワークを開発した。 また,Hu et al \ (2025) に対して,雑音-部分空間推定による全スペクトルノイズ平均化を置き換え,内部点のペナルティ処理をStiefel-manifold の正確な最適化に置き換える。 ノイズサブスペース推定器は、信号強度非依存のリード有限サンプル率を獲得し、最小マックス下界と一致し、フルスペクトル推定器は、同じモデルの下では不整合であることが示される。 さらに、任意のガウス化によりサブガウス設定に拡張し、ブロック構造フィッシャー解析によりクローズド形式標準誤差を提供する。 合成ハイノイズ設定と2つのマルチオミクスベンチマーク (TCGA-BRCA と PBMC CITE-seq) で、ポストホックリカレーションなしでほぼ最小のカバレッジを実現し、ランク$r=3$でTCGA-BRCAのリッジレベルポイント精度に達し、ネイティブキャリブレーションの不確実性を提供しながら、クロスビュー予測においてPO2PLSにマッチまたは超過し、パラメータリカバリの安定性を向上させる。

関連論文リスト

• Stability and Generalization of Push-Sum Based Decentralized Optimization over Directed Graphs [55.77845440440496]
  プッシュベースの分散通信は、情報交換が非対称である可能性のある通信ネットワークの最適化を可能にする。 我々は、グラディエント・プッシュ(SGP)アルゴリズムのための統一的な一様安定性フレームワークを開発する。 重要な技術的要素は、2つの量に束縛された不均衡認識の一般化である。
  論文  参考訳（メタデータ） (2026-02-24T05:32:03Z)
• Silent Inconsistency in Data-Parallel Full Fine-Tuning: Diagnosing Worker-Level Optimization Misalignment [27.352639822596146]
  クロスワーカーの損失と勾配のばらつきは、従来の監視信号では見えない。 本稿では,標準パイプラインで容易に利用できるトレーニング信号を用いて,作業者レベルの一貫性を定量化する,モデルに依存しない診断フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-16T04:42:30Z)
• High-Probability Minimax Adaptive Estimation in Besov Spaces via Online-to-Batch [8.691764858459623]
  準指数雑音下での雑音観測からベソフ空間上の非パラメトリック回帰を研究する。 本稿では,ウェーブレットに基づくオンライン学習アルゴリズムを提案する。 より洗練されたオンライン・バッチ変換により,ベソフ空間の適応的・最小最適推定値を得る。
  論文  参考訳（メタデータ） (2026-02-12T09:24:08Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• Differentially Private Clipped-SGD: High-Probability Convergence with Arbitrary Clipping Level [18.723330586196997]
  本研究では,DPのクリッピングレベルが固定された最初の高確率収束解析法を提案する。 提案手法は,固定クリッピングレベルにおいて,既存の方法よりも高速に近傍最適解に収束することを示す。 この地区は、DPが導入した騒音とバランスが取れており、収束速度とプライバシー保証のトレードオフが洗練されている。
  論文  参考訳（メタデータ） (2025-07-31T12:48:29Z)
• Gradient Normalization Provably Benefits Nonconvex SGD under Heavy-Tailed Noise [60.92029979853314]
  重み付き雑音下でのグラディエントDescence(SGD)の収束を確実にする上での勾配正規化とクリッピングの役割について検討する。 我々の研究は、重尾雑音下でのSGDの勾配正規化の利点を示す最初の理論的証拠を提供する。 我々は、勾配正規化とクリッピングを取り入れた加速SGD変種を導入し、さらに重み付き雑音下での収束率を高めた。
  論文  参考訳（メタデータ） (2024-10-21T22:40:42Z)
• Fully Stochastic Trust-Region Sequential Quadratic Programming for Equality-Constrained Optimization Problems [62.83783246648714]
  目的と決定論的等式制約による非線形最適化問題を解くために,逐次2次プログラミングアルゴリズム(TR-StoSQP)を提案する。 アルゴリズムは信頼領域半径を適応的に選択し、既存の直線探索StoSQP方式と比較して不確定なヘッセン行列を利用することができる。
  論文  参考訳（メタデータ） (2022-11-29T05:52:17Z)
• Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
  Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。 差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。 我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
  論文  参考訳（メタデータ） (2021-07-21T17:10:14Z)

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。