Fugu-MT 論文翻訳(概要): Wasserstein Contraction of Coordinate Ascent Variational Inference

論文の概要: Wasserstein Contraction of Coordinate Ascent Variational Inference

arxiv url: http://arxiv.org/abs/2605.30253v2
Date: Tue, 02 Jun 2026 09:51:10 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-03 18:57:50.17067
Title: Wasserstein Contraction of Coordinate Ascent Variational Inference
Title（参考訳）: コーディネート・アセント変分推論におけるワッサーシュタインの縮約
Authors: Rocco Caprio, Adrien Corenflos, Sam Power,
Abstract要約: 座標アセント変分推定アルゴリズムのワッサーシュタイン距離の縮約について検討する。これは、固定点における輸送情報の不等式と機能的滑らかさ条件の下で成り立つ。
参考スコア（独自算出の注目度）: 2.8211276672560452
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We study the contraction in Wasserstein distance of the coordinate ascent variational inference algorithm. This is shown to hold under a transport-information inequality at the fixed points and a functional smoothness condition. The results are general and sharp, allow for local convergence guarantees, hold for general smooth manifolds, and also in some non-smooth spaces. We consider applications to Bayesian Gaussian Mixture Models, and high-dimensional Bayesian Probit Regression, and Logistic Regression with Pólya-Gamma random variables (i.e. Jaakkola-Jordan's algorithm).
Abstract（参考訳）: 座標アセント変分推定アルゴリズムのワッサーシュタイン距離の縮約について検討する。これは、固定点における輸送情報の不等式と機能的滑らかさ条件の下で成り立つ。結果は一般かつ鋭く、局所収束を保証することができ、一般滑らかな多様体を保ち、またいくつかの非滑らか空間でも同様である。ベイズ混合モデルや高次元ベイズ確率回帰、ポリャ・ガンマ確率変数を用いたロジスティック回帰(ジャッコラ・ジョーダンのアルゴリズム)への応用を検討する。

関連論文リスト

Relative Wasserstein Angle and the Problem of the $W_2$-Nearest Gaussian Distribution [4.042425236692822]
本研究では, 最適輸送の枠組みの下で, 経験的分布がガウス性からどこまで逸脱するかを定量化する問題について検討する。相対変換不変な二次ワッサーシュタイン空間の錐幾何学を利用して、2つの新しい幾何学量を導入する。この空間の任意の2光線によって生成される充填円錐は平坦であり、角度、射影、内部積が厳密に明確に定義されていることを証明する。
論文参考訳（メタデータ） (2026-01-29T22:03:10Z)
Efficient Covariance Estimation for Sparsified Functional Data [51.69796254617083]
共分散関数のランダムノット(ランダムノット-空間)とB-スプライン(Bspline-Spatial)推定器は計算的に効率的である。共分散の漸近的なポイントワイドは、ある規則性条件下でのスパース化された個々の軌跡に対して得られる。
論文参考訳（メタデータ） (2025-11-23T00:50:33Z)
Evolution of Gaussians in the Hellinger-Kantorovich-Boltzmann gradient flow [44.500314182711236]
我々は、HK-ボルツマン流の下で平均、共分散、質量の進化を支配する明示的な常微分方程式を導出する。我々は、ポリアック-ロジャシエヴィチ型不等式に付随する勾配構造を構築することにより、平衡への指数収束を示す。我々は解析をガウス的でないターゲットに拡張し、強い対数ラムダの凹凸を示す。
論文参考訳（メタデータ） (2025-04-29T03:54:56Z)
Stable Derivative Free Gaussian Mixture Variational Inference for Bayesian Inverse Problems [4.842853252452336]
主な課題は、フォワードモデルのコストがかかる評価、マルチモーダリティ、フォワードモデルの到達不能勾配である。我々は,フィッシャー・ラオ自然勾配と特殊二次規則を組み合わせた変分推論フレームワークを開発し,ガウス混合変分族に対する微分自由更新を可能にする。導関数自由ガウス混合変分推論 (DF-GMVI) と呼ばれるこの手法は共分散陽性とアフィン不変性を保証し、複素後続分布を近似するための安定かつ効率的なフレームワークを提供する。
論文参考訳（メタデータ） (2025-01-08T03:50:15Z)
Convergence rate of random scan Coordinate Ascent Variational Inference under log-concavity [0.18416014644193066]
Coordinate Ascent Variational Inference schemeは、関心の確率分布の平均場近似を計算するために使われる一般的なアルゴリズムである。対象密度の対数共共振仮定に基づいてランダムスキャンバージョンを解析する。
論文参考訳（メタデータ） (2024-06-11T14:23:01Z)
Generalized Variational Inference in Function Spaces: Gaussian Measures meet Bayesian Deep Learning [9.106412307976067]
無限次元関数空間における一般化変分推論の枠組みを開発する。我々はこれをガウス・ワッサーシュタイン推論(GWI)と呼ばれる方法を構築するために利用する。 GWIのエキサイティングな応用は、GWIの変分パラメトリションにおいてディープニューラルネットワークを使用する能力である。
論文参考訳（メタデータ） (2022-05-12T20:10:31Z)
Minibatch vs Local SGD with Shuffling: Tight Convergence Bounds and Beyond [63.59034509960994]
シャッフルに基づく変種(ミニバッチと局所ランダムリシャッフル)について検討する。ポリアック・ロジャシエヴィチ条件を満たす滑らかな函数に対して、これらのシャッフル型不変量(英語版)(shuffling-based variants)がそれらの置換式よりも早く収束することを示す収束境界を得る。我々は, 同期シャッフル法と呼ばれるアルゴリズムの修正を提案し, ほぼ均一な条件下では, 下界よりも収束速度が速くなった。
論文参考訳（メタデータ） (2021-10-20T02:25:25Z)
Optimal oracle inequalities for solving projected fixed-point equations [53.31620399640334]
ヒルベルト空間の既知の低次元部分空間を探索することにより、確率観測の集合を用いて近似解を計算する手法を検討する。本稿では,線形関数近似を用いた政策評価問題に対する時間差分学習手法の誤差を正確に評価する方法について述べる。
論文参考訳（メタデータ） (2020-12-09T20:19:32Z)
Local optimization on pure Gaussian state manifolds [63.76263875368856]
ボソニックおよびフェルミオンガウス状態の幾何学に関する洞察を利用して、効率的な局所最適化アルゴリズムを開発する。この手法は局所幾何学に適応した降下勾配の概念に基づいている。提案手法を用いて、任意の混合ガウス状態の精製の絡み合いを計算するのにガウス浄化が十分であるという予想の数値的および解析的証拠を収集する。
論文参考訳（メタデータ） (2020-09-24T18:00:36Z)
Stochastic Saddle-Point Optimization for Wasserstein Barycenters [69.68068088508505]
オンラインデータストリームによって生成される有限個の点からなるランダムな確率測度に対する人口推定バリセンタ問題を考察する。本稿では,この問題の構造を用いて,凸凹型サドル点再構成を行う。ランダム確率測度の分布が離散的な場合、最適化アルゴリズムを提案し、その複雑性を推定する。
論文参考訳（メタデータ） (2020-06-11T19:40:38Z)

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。