Fugu-MT 論文翻訳(概要): A unified complexity bound for logconcave sampling

論文の概要: A unified complexity bound for logconcave sampling

arxiv url: http://arxiv.org/abs/2606.12694v1
Date: Wed, 10 Jun 2026 21:28:30 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-12 15:55:27.471773
Title: A unified complexity bound for logconcave sampling
Title（参考訳）: ログコンケーブサンプリングに束縛された統一複雑性
Authors: Yunbum Kook, Santosh S. Vempala,
Abstract要約: 任意の対数凹分布をサンプリングするために、単純で統一的で、ほぼ厳密な境界を与える。本分析の主成分は, 昇降分布のポアンカレ定数に改良された境界である。
参考スコア（独自算出の注目度）: 14.178898919334115
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We give a simple, unified, and nearly tight bound for sampling arbitrary logconcave distributions from a warm start using the In-and-Out algorithm along with exponential lifting. The main new ingredient in the analysis is an improved bound on the Poincaré constant of a lifted distribution. As a consequence, the resulting convergence rate is nearly tight for both constrained settings (e.g., Gaussian restricted to a convex body) and well-conditioned settings (e.g., strongly logconcave and smooth densities).
Abstract（参考訳）: In-and-Outアルゴリズムと指数リフトを用いて、暖機開始時から任意の対数凹分布をサンプリングするために、単純で統一的で、ほぼ厳密な境界を与える。本分析の主成分は, 昇降分布のポアンカレ定数に改良された境界である。結果として、結果として得られる収束率は、制約された設定(例えば、ガウスは凸体に制限される)とよく条件付けられた設定(例えば、強い対数と滑らかな密度)の両方に対してほぼ密である。

関連論文リスト

Faster logconcave sampling from a cold start in high dimension [8.655526882770742]
評価オラクルによって指定された任意の対数凹密度をサンプリングするウォームスタートを高速に生成するアルゴリズムを提案する。それまでの長い作業のラインは、少なくとも1次元の線形の温かいスタートのペナルティを招き、立方体の障壁を打った。
論文参考訳（メタデータ） (2025-05-03T22:14:04Z)
Sampling and Integration of Logconcave Functions by Algorithmic Diffusion [8.655526882770742]
任意の対数凹関数のサンプリング,丸化,統合の複雑さについて検討する。我々の新しいアプローチは、一般的なログコンケーブ関数に対して、20年近くで最初の複雑さの改善を提供する。
論文参考訳（メタデータ） (2024-11-20T17:10:24Z)
Randomized Midpoint Method for Log-Concave Sampling under Constraints [5.548787731232499]
凸コンパクト集合上での対数凹分布のサンプリング問題について検討する。本稿では,プロジェクション演算子の幅広いクラスを通した制約処理のための統一的近位フレームワークを提案する。
論文参考訳（メタデータ） (2024-05-24T09:24:21Z)
Sample Complexity for Quadratic Bandits: Hessian Dependent Bounds and Optimal Algorithms [64.10576998630981]
最適なヘッセン依存型サンプルの複雑さを, 初めて厳密に評価した。ヘシアン非依存のアルゴリズムは、すべてのヘシアンインスタンスに対して最適なサンプル複雑さを普遍的に達成する。本アルゴリズムにより得られたサンプルの最適複雑さは,重み付き雑音分布においても有効である。
論文参考訳（メタデータ） (2023-06-21T17:03:22Z)
Improved dimension dependence of a proximal algorithm for sampling [16.147290924171692]
そこで本研究では,すべての古典的設定において,より優れた複雑性境界を実現するサンプリングアルゴリズムを提案する。提案アルゴリズムは,2021年に導入した近位サンプルを用いた。強い対数対数分布の場合、この手法は温度開始を伴わずに$tildemathcalO(kappa d1/2)$の複雑さを持つ。 LSI を満たす分布に対して、我々は $tilde MathcalO(hat kappa d1/2)$ ここで $hat kappa$ は滑らかさと滑らかさの比である。
論文参考訳（メタデータ） (2023-02-20T16:44:48Z)
On the Complexity of a Practical Primal-Dual Coordinate Method [63.899427212054995]
ランダム・座標降下法(PURE-CD)を用いた原始双対アルゴリズムの複雑性境界を証明した。バイマックス性能問題を解くための優れた外挿が得られることが示されている。
論文参考訳（メタデータ） (2022-01-19T16:14:27Z)
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)
On the Convergence of Stochastic Extragradient for Bilinear Games with Restarted Iteration Averaging [96.13485146617322]
本稿では, ステップサイズが一定であるSEG法の解析を行い, 良好な収束をもたらす手法のバリエーションを示す。平均化で拡張した場合、SEGはナッシュ平衡に確実に収束し、スケジュールされた再起動手順を組み込むことで、その速度が確実に加速されることを証明した。
論文参考訳（メタデータ） (2021-06-30T17:51:36Z)
The query complexity of sampling from strongly log-concave distributions in one dimension [14.18847457501901]
Omega(loglogkappa)$の最初の厳密な下限を、強い対数凹と対数平滑な分布のクラスからサンプリングするクエリに設定する。本稿では,この指数的ギャップを埋めるリジェクションに基づく新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-05-29T00:51:17Z)
Revisiting the Sample Complexity of Sparse Spectrum Approximation of Gaussian Processes [60.479499225746295]
本稿では,ガウス過程に対して,パラメータ空間全体に対して同時に保持可能な保証付きスケーラブルな近似を導入する。我々の近似は、スパーススペクトルガウス過程(SSGP)のための改良されたサンプル複雑性解析から得られる。
論文参考訳（メタデータ） (2020-11-17T05:41:50Z)

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。