Fugu-MT 論文翻訳(概要): Computational aspects of the Volterra Signature

論文の概要: Computational aspects of the Volterra Signature

arxiv url: http://arxiv.org/abs/2605.18406v1
Date: Mon, 18 May 2026 13:46:47 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-19 23:51:08.411618
Title: Computational aspects of the Volterra Signature
Title（参考訳）: Volterra Signatureの計算的側面
Abstract要約: 本稿では,Volterraシグネチャカーネルの効率的なアルゴリズムを提案する。すべてのアルゴリズムは JAX ベースのパッケージ "tensordev" で実装されている。 K(t,s)=sum_p k_p(t-s)A_p$は、$J$と$N$の複雑さを増さないことを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The Volterra signature extends the classical path signature by incorporating general matrix-valued kernel into its iterated integral structure, yielding a flexible notion of memory for time series. Its components can be viewed as successive Picard iterates of linear controlled Volterra equations, making their exact computation of additional mathematical interest. However, the kernel introduces substantial algorithmic challenges. We provide a resolution by first decomposing the Chen-type convolution relation established in [arXiv:2603.04525] into analytic and arithmetic parts, and then introducing several efficient algorithms: a general approximative scheme with quadratic complexity $O(J^2)$ in the number of time steps $J$, an FFT-based acceleration with complexity $O(J\log J)$ for convolution kernels on uniform grids, and an exact recursion with complexity $O(JR^2)$ for kernels admitting a state-space representation of dimension $R$; retaining standard signature complexity in the path dimension and truncation level $N$. We further show that the number of factors in matrix-valued kernels of the form $K(t,s)=\sum_p k_p(t-s)A_p$ do not increase the asymptotic complexity in $J$ and $N$. Finally, we derive a finite-difference predictor--corrector scheme for the associated Volterra signature kernel. All algorithms are implemented in the publicly available JAX-based package "tensordev".
Abstract（参考訳）: Volterraシグネチャは、一般的な行列値のカーネルをその反復積分構造に組み込むことで古典的なパスシグネチャを拡張し、時系列のメモリの柔軟な概念を生み出す。その成分は線形制御されたボルテラ方程式の連続したピカール反復体と見なすことができ、追加の数学的興味を正確に計算することができる。しかし、カーネルにはかなりのアルゴリズム上の課題が伴う。まず、[arXiv:2603.04525]で確立されたChen型畳み込み関係を解析的および算術的部分に分解し、次にいくつかの効率的なアルゴリズムを導入する: 2次複雑性を持つ一般的な近似スキーム$O(J^2)$ 時間ステップ$J$、均一グリッド上の畳み込みカーネル$O(J\log J)$ の FFTベースの加速度$O(J\log J)$ と、複雑度$O(JR^2)$ の正確な再帰。さらに、$K(t,s)=\sum_p k_p(t-s)A_p$は、J$と$N$の漸近的複雑性を増さないことを示す。最後に、関連するVolterraシグネチャカーネルに対する有限差分予測-コレクタスキームを導出する。すべてのアルゴリズムは JAX ベースのパッケージ "tensordev" で実装されている。

関連論文リスト

Fast Bounded-Independence Functions and Their Duals [21.031497777539332]
暗号アプリケーションによって動機付けされ、この領域で過去の結果を一般化し、改善する。上記の結果が暗号に有用であることを示す。これには、完全にセキュアなマルチパーティ計算のための最初の非自明なプロトコルが含まれる。
論文参考訳（メタデータ） (2026-06-05T07:53:04Z)
Near-Optimal Regret in Adversarial Kernel Bandits [50.68324062892194]
本稿では,各ラウンドにおける損失が任意の有界要素によって誘導される逆カーネルバンドイット問題について検討する。我々の主な結果は、$widetildeObig(sqrtT, d_*(),log|X|big)$, ここでは$d_*()$は有効次元の広く解釈された概念である。
論文参考訳（メタデータ） (2026-05-26T06:10:24Z)
Classical and Quantum Algorithms for Topological Invariants of Torus Bundles [0.42970700836450476]
我々は非可換トーラス構造を利用して閉トーラスのスキイン代数をその対称部分代数にユニタリの根に埋め込む。個々の展開係数の抽出は#P完全であることが証明されているが、これらの係数を非無視的な構成の分数に対して効率的に近似できる量子アルゴリズムが存在する。
論文参考訳（メタデータ） (2025-12-22T04:58:14Z)
Accelerated Evolving Set Processes for Local PageRank Computation [75.54334100808022]
この研究は、パーソナライズされたPageRank計算を高速化するために、ネストした進化したセットプロセスに基づく新しいフレームワークを提案する。このような局所化手法の時間複雑性は、PPRベクトルの$epsilon$-approximationを得るために$mintildemathcalO(R2/epsilon2), tildemathcalO(m)$によって上界となることを示す。
論文参考訳（メタデータ） (2025-10-09T09:47:40Z)
The Generative Leap: Sharp Sample Complexity for Efficiently Learning Gaussian Multi-Index Models [71.5283441529015]
この研究において、ラベルは(ガウス)$d$-次元入力にのみ依存し、低次元$r = O_d(1)$部分空間への射影を通して得られる。生成的跳躍指数 $kstar$, [Damian et al.'24] から生成的指数の自然拡張をマルチインデックス設定に導入する。
論文参考訳（メタデータ） (2025-06-05T18:34:56Z)
Numerical Schemes for Signature Kernels [0.5461938536945723]
署名カーネルは、シーケンシャルデータのためのカーネルメソッドの強力なツールとして登場した。近似法と境界法のいずれかを用いて境界条件の表現を利用する2つの高度な数値スキームを導入する。我々のアルゴリズムはGPU並列化が可能であり、入力シーケンスの長さの2次から線形への計算複雑性を低減できる。
論文参考訳（メタデータ） (2025-02-12T15:04:23Z)
On the Convergence of Single-Timescale Actor-Critic [49.19842488693726]
本研究では,有限状態空間を持つ無限水平割引決定過程(MD)に対して,単時間アクタークリティカル(AC)アルゴリズムのグローバル収束を解析する。我々は,アクタと批評家の両方のステップサイズが (O(k-Pfrac12) として崩壊し,従来の (O(k-Pfrac12) ) レートから (非最適) の Markov フレームワーク最適化で一般的に使用される (O(k-Pfrac12) ) レートから$k$ になることを示した。
論文参考訳（メタデータ） (2024-10-11T14:46:29Z)
Exploiting Hankel-Toeplitz Structures for Fast Computation of Kernel Precision Matrices [14.25435308779899]
ヒルベルト空間ガウス過程(HGP)アプローチは、GP推論を高速化するための超独立基底関数近似を提供する。本稿では,この計算複雑性を,余分な近似を伴わずに$mathcalO(NM)$に下げる。我々の貢献は、いくつかの既存の、広く使われているGP近似の純粋なスピードアップを提供するが、それ以上の近似は行わない。
論文参考訳（メタデータ） (2024-08-05T09:45:31Z)
Fine-grained Analysis and Faster Algorithms for Iteratively Solving Linear Systems [9.30306458153248]
多くの機械学習タスクにおいて重要なボトルネックとなっているが、大規模な線形システムの解決コストは定量化が難しいことが証明されている。低次元構造を示すアプリケーションによって動機づけられた線形システムの解法における複雑性の微妙な概念を考察する。線形システム $Ax = b$, すなわち $|Abarx - b| le epsilon |b|$ であるような $barx$ を求める。
論文参考訳（メタデータ） (2024-05-09T14:56:49Z)
Log-PDE Methods for Rough Signature Kernels [9.050432155719061]
署名カーネルは時系列解析のための機械学習アルゴリズムを支える。既存のPDEソルバはインクリメントのみを入力データとして使用するため、一階近似誤差が発生する。入力された粗経路の高次反復積分を含む係数を含むPDEの新しいシステムにより、粗符号カーネルを近似することができることを示す。
論文参考訳（メタデータ） (2024-04-01T23:09:52Z)
Efficiently Learning One-Hidden-Layer ReLU Networks via Schur Polynomials [50.90125395570797]
正方形損失に関して、標準的なガウス分布の下での$k$ReLU活性化の線形結合をPAC学習する問題をmathbbRd$で検討する。本研究の主な成果は,この学習課題に対して,サンプルおよび計算複雑性が$(dk/epsilon)O(k)$で,epsilon>0$が目標精度である。
論文参考訳（メタデータ） (2023-07-24T14:37:22Z)
Complexity of zigzag sampling algorithm for strongly log-concave distributions [6.336005544376984]
強いログ凹分布に対するジグザグサンプリングアルゴリズムの計算複雑性について検討する。ジグザグサンプリングアルゴリズムは, 計算コストが$obiglに匹敵するchi-squareの発散において, $varepsilon$ 誤差を達成することを証明した。
論文参考訳（メタデータ） (2020-12-21T03:10:21Z)
Hybrid Stochastic-Deterministic Minibatch Proximal Gradient: Less-Than-Single-Pass Optimization with Nearly Optimal Generalization [83.80460802169999]
HSDMPGは、学習モデル上で過大なエラーの順序である$mathcalObig(1/sttnbig)$を達成可能であることを示す。損失係数について、HSDMPGは学習モデル上で過大なエラーの順序である$mathcalObig(1/sttnbig)$を達成できることを示す。
論文参考訳（メタデータ） (2020-09-18T02:18:44Z)

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。