論文の概要: Contrast-Free ICA and Causal Inference via Wasserstein Distances to the Gaussian

• arxiv url: http://arxiv.org/abs/2607.12832v1
• Date: Tue, 14 Jul 2026 14:49:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-15 17:08:30.175768
• Title: Contrast-Free ICA and Causal Inference via Wasserstein Distances to the Gaussian
• Title（参考訳）: ワッサーシュタイン距離とガウス距離によるコントラストフリーICAと因果推論
• Authors: Félix Laplante, Christophe Ambroise, Pierre Humbert,
• Abstract要約: 正方形の2ドルワッサーシュタイン距離と標準ガウス距離を非ガウス性基準として検討する。 線形非ガウス非巡回モデル(LiNGAM)における線形独立成分分析(ICA)と因果推論にこれを用いる。
• 参考スコア（独自算出の注目度）: 2.495377652912602
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We study the squared $2$-Wasserstein distance to the standard Gaussian as a non-Gaussianity criterion and use it for linear Independent Component Analysis (ICA) and causal inference in Linear Non-Gaussian Acyclic Models (LiNGAM). The analysis relies on a strict inequality between the Wasserstein non-Gaussianity of independent standardized sources and that of their linear combinations. When at most one source is Gaussian, any unit-norm linear combination involving at least two sources has strictly smaller squared Wasserstein distance than the corresponding weighted sum of source distances. At the population level, this yields exact identification of the ICA unmixing matrix, up to signed permutation, and gives an analogous characterization of causal orders through least-squares residuals. We then define empirical plug-in estimators and prove distribution-free uniform convergence bounds under finite-moment assumptions, before detailing three practical solvers: a Picard-style orthogonal optimizer for ICA, an exhaustive dynamic program for causal-order search, and a greedy order-search variant. Empirically, we demonstrate competitive performance for both tasks and provide open-source implementations for source separation and causal inference.
• Abstract（参考訳）: 非ガウス性基準として標準ガウス距離に対する二乗2ドルワッサーシュタイン距離について検討し、リニア非ガウス非巡回モデル(LiNGAM)における線形独立成分分析(ICA)および因果推論に使用した。 この解析は、独立標準情報源のワッサーシュタイン非ガウス性とそれらの線型結合の厳密な不等式に依存している。 少なくとも1つのソースがガウスであるとき、少なくとも2つのソースを含む任意の単位ノルム線型結合は、ソース距離の対応する重み付き和よりも厳密に2乗のワッサーシュタイン距離を持つ。 人口レベルでは、ICA非混合行列の正確な同定、符号付き置換、最小二乗残差による因果順序の類似的な特徴を与える。 次に、実験的なプラグイン推定器を定義し、有限モーメント仮定の下で分布自由な一様収束境界を証明し、3つの実用的な解法を詳述する。 実験的に両タスクの競合性能を実証し,ソース分離と因果推論のためのオープンソース実装を提供する。

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)
• Convergence Rates for Distribution Matching with Sliced Optimal Transport [10.117027375572627]
  そこで本研究では,スライス最適輸送に基づく分散マッチングの効率的な反復手法であるスライスマッチング方式について検討する。 鍵となる課題は、これらの不等式における定数の軌道に沿って制御することである。 ガウス分布に対して、このことがトラクタブルであることが示される。
  論文  参考訳（メタデータ） (2026-02-11T09:47:52Z)
• Universality of General Spiked Tensor Models [9.454986540713655]
  高次元状態におけるランクワンスパイクテンソルモデルについて検討する。 本研究では,その高次元スペクトル挙動と統計的限界が非ガウス雑音に対して頑健であることを示す。
  論文  参考訳（メタデータ） (2026-02-04T11:59:30Z)
• Finite-Sample Wasserstein Error Bounds and Concentration Inequalities for Nonlinear Stochastic Approximation [6.800624963330628]
  ワッサーシュタイン-$p$距離における非線形近似アルゴリズムの非漸近誤差境界を導出する。 正規化された最後の繰り返しは、$p$-ワッサーシュタイン距離のガウス分布に階数$_n1/6$で収束することを示し、$_n$はステップサイズである。 これらの分布保証は、モーメント境界やマルコフの不等式から得られるものより改善される高確率濃度の不等式を暗示する。
  論文  参考訳（メタデータ） (2026-02-02T18:41:06Z)
• On the Wasserstein Convergence and Straightness of Rectified Flow [54.580605276017096]
  Rectified Flow (RF) は、ノイズからデータへの直流軌跡の学習を目的とした生成モデルである。 RFのサンプリング分布とターゲット分布とのワッサーシュタイン距離に関する理論的解析を行った。 本稿では,従来の経験的知見と一致した1-RFの特異性と直線性を保証する一般的な条件について述べる。
  論文  参考訳（メタデータ） (2024-10-19T02:36:11Z)
• Score-based generative models are provably robust: an uncertainty quantification perspective [4.396860522241307]
  本研究では,スコアベース生成モデル (SGM) が実運用において複数の誤差源に対して確実に堅牢であることを示す。 我々の主要なツールは、ワッサーシュタイン不確実性伝播(WUP)定理である。 a) 有限サンプル近似による誤差, (b) 早期停止, (c) スコアマッチング対象選択, (d) スコア関数パラメトリゼーション, (e) 基準分布選択が生成モデルの品質に与える影響を示す。
  論文  参考訳（メタデータ） (2024-05-24T17:50:17Z)
• Large-Sample Properties of Non-Stationary Source Separation for Gaussian Signals [2.2557806157585834]
  我々は,非定常音源分離の一般的な方法である NSS-JD に対する大サンプル理論を開発した。 標準平方根率における非混合推定器の整合性とガウス分布への収束性は保たれることを示す。 シミュレーション実験は、理論結果の検証と、ブロック長が分離に与える影響を調べるために用いられる。
  論文  参考訳（メタデータ） (2022-09-21T08:13:20Z)
• Nonconvex Stochastic Scaled-Gradient Descent and Generalized Eigenvector Problems [98.34292831923335]
  オンライン相関解析の問題から,emphStochastic Scaled-Gradient Descent (SSD)アルゴリズムを提案する。 我々はこれらのアイデアをオンライン相関解析に適用し、局所収束率を正規性に比例した最適な1時間スケールのアルゴリズムを初めて導いた。
  論文  参考訳（メタデータ） (2021-12-29T18:46:52Z)
• Mean-Square Analysis with An Application to Optimal Dimension Dependence of Langevin Monte Carlo [60.785586069299356]
  この研究は、2-ワッサーシュタイン距離におけるサンプリング誤差の非同相解析のための一般的な枠組みを提供する。 我々の理論解析は数値実験によってさらに検証される。
  論文  参考訳（メタデータ） (2021-09-08T18:00:05Z)

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。