論文の概要: Change Detection in Probability Flow ODE: Online Testing in Diffusion Latent Spaces

• arxiv url: http://arxiv.org/abs/2608.22807v2
• Date: Tue, 25 Aug 2026 01:27:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:34.14096
• Title: Change Detection in Probability Flow ODE: Online Testing in Diffusion Latent Spaces
• Title（参考訳）: 確率フローODEにおける変化検出:拡散潜時空間におけるオンラインテスト
• Authors: Artem Kraevskiy, Artem Prokhorov,
• Abstract要約: 金融市場のトレンド逆転を識別するといった一連のデータタスクは、時間順データの分散シフトを検出することなく、完全に対処することはできない。 条件密度が未知の時間で切り替わる逐次的変化点検出問題を考えるが、事前および後変化分布は閉形式を認めない。 凍結文脈エンコーダを用いた事前変更点データに基づいて訓練された条件拡散モデルは、確率フローODEによる決定論的決定を定義する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A rapidly growing range of sequential data tasks, such as identifying trend reversals in financial markets, auto-segmenting video and audio recordings, detecting changes in movement direction from motion sensors cannot be fully addressed without detection of distributional shifts in time-ordered data. We consider a sequential change-point detection problem where the conditional density switches at an unknown time, yet neither the pre- nor post-change distribution admits a closed-form. Classical likelihood-ratio statistics are inapplicable in this settings. A conditional diffusion model, trained on pre-change-point data with a frozen context encoder, defines a deterministic bijection via the probability flow ODE. Pre-change observations are mapped onto standard Gaussian latent variables. Post-change observations, processed through the same frozen map, deviate from this reference. We employ the Maximum Mean Discrepancy as the test statistic, derive closed-form expressions for its components under the Gaussian null, and establish its asymptotic distribution as a degenerate U-statistic. Afterwards we apply an online detection procedure of Shiryaev--Roberts to the resulting statistic with exact threshold calibration. The method detects arbitrary distributional shifts, including covariance rotations and higher-order structural breaks, without parametric assumptions on either regime.
• Abstract（参考訳）: 金融市場におけるトレンドリバーサルの特定,ビデオと音声の自動分離,モーションセンサからの移動方向の変化の検出など,時系列データの分散シフトを検出することなく,データタスクの高速化が期待できる。 条件密度が未知の時間で切り替わる逐次的変化点検出問題を考えるが、事前および後変化分布は閉形式を認めない。 この設定では古典的な確率比統計は適用できない。 凍結文脈エンコーダを用いて事前変更点データに基づいて訓練された条件拡散モデルは、確率フローODEを介して決定論的ビジェクションを定義する。 事前変化観測は標準ガウス潜伏変数にマッピングされる。 変更後の観測は、同じ凍結マップを通して処理され、この基準から逸脱する。 我々は、テスト統計として最大平均離散性を用い、ガウスヌルの下でその成分に対して閉形式表現を導出し、その漸近分布を退化U-統計として確立する。 その後、シリャエフ・ロバーツのオンライン検出手順を、正確なしきい値キャリブレーションによる結果統計に適用する。 この方法は、共分散回転や高次構造破壊を含む任意の分布シフトを、どちらの状態にもパラメトリックな仮定なしで検出する。

関連論文リスト

• Non-partitioned e-detectors for nonparametric sequential change detection [36.83591711369991]
  確率分布の一般クラスにおける逐次変化検出問題(mathcal P$)について検討する。 本稿では,変更点上の点数ゼロのe-プロセスの集約によって得られる逐次変化検出器の一般クラスを提案する。
  論文  参考訳（メタデータ） (2026-07-30T14:57:03Z)
• What Does a Discrete Diffusion Model Learn? [71.03603607324338]
  離散拡散モデルは、デノイザ、スコア比、ブリッジプラグイン予測器などを学ぶ。 まず, 連続時間マルコフ連鎖 (CTMC) ELBO の任意のノイズ発生過程に対する厳密な導出から始める。 すべてのアイデンティティは、正確に解けるモデル上で近似なしで数値的に検証される。
  論文  参考訳（メタデータ） (2026-07-06T17:56:11Z)
• Distributional Spectral Diagnostics for Localizing Grokking Transitions [4.480801209867367]
  グラッキングでは、モデルはまずトレーニングデータに適合し、テスト精度は低いままであり、後に一般化し始める。 テスト精度が上昇する前に、この遷移が観察されたトレーニング軌跡から局所化できるかどうかを問うとともに、明確なしきい値/FPR/リードタイムトレードオフを持つ診断問題として、グラッキング遷移局所化を定式化する。
  論文  参考訳（メタデータ） (2026-05-07T03:08:58Z)
• Fixed-Horizon Self-Normalized Inference for Adaptive Experiments via Martingale AIPW/DML with Logged Propensities [0.0]
  適応的な割り当ての下では、確率は変化し続けるため、AIPW/DMLインクリメントの予測可能な2次変動はランダムのままである。 本研究では,2次変動によって推定される偏差が,分散安定化を伴わずとも条件的に誤校正されていることを示す。
  論文  参考訳（メタデータ） (2026-02-17T13:12:31Z)
• Quick Change Detection in Discrete-Time in Presence of a Covert Adversary [7.58317340007754]
  離散時間における最短変動検出の問題について検討し, 観測結果の列が未知の時間で分布変化を行う場合について検討する。 平均検出遅延 (ADD) と, 後変化分布が前変化分布に収束した場合の平均誤報 (AT2FA) の挙動を, $to infty$として特徴づける。 ADD = $()$ と定義されているが、古典的な設定では ADD は $ としてしか成長しない。
  論文  参考訳（メタデータ） (2026-01-27T19:56:31Z)
• Multidimensional Uncertainty Quantification via Optimal Transport [87.97146725546502]
  相補的なUQ測度をベクトルに積み重ねることで,不確実性定量化(UQ)の多次元的考察を行う。 VecUQ-OTは、個々の測定が失敗しても高い効率を示す。
  論文  参考訳（メタデータ） (2025-09-26T14:09:03Z)
• E-detectors: a nonparametric framework for sequential change detection [86.15115654324488]
  逐次的変化検出のための基本的かつ汎用的なフレームワークを開発する。 私たちの手順は、平均走行距離のクリーンで無症状な境界が伴います。 統計的および計算効率の両方を達成するために,これらの混合物を設計する方法を示す。
  論文  参考訳（メタデータ） (2022-03-07T17:25:02Z)
• Tracking the risk of a deployed model and detecting harmful distribution shifts [105.27463615756733]
  実際には、デプロイされたモデルのパフォーマンスが大幅に低下しないという、良心的なシフトを無視することは理にかなっている。 我々は,警告を発射する有効な方法は,(a)良性な警告を無視しながら有害なシフトを検知し,(b)誤報率を増大させることなく,モデル性能の連続的なモニタリングを可能にすることを論じる。
  論文  参考訳（メタデータ） (2021-10-12T17:21:41Z)
• Training on Test Data with Bayesian Adaptation for Covariate Shift [96.3250517412545]
  ディープニューラルネットワークは、信頼できない不確実性推定で不正確な予測を行うことが多い。 分布シフトの下でのラベルなし入力とモデルパラメータとの明確に定義された関係を提供するベイズモデルを導出する。 本手法は精度と不確実性の両方を向上することを示す。
  論文  参考訳（メタデータ） (2021-09-27T01:09:08Z)
• Feature Shift Detection: Localizing Which Features Have Shifted via Conditional Distribution Tests [12.468665026043382]
  軍用センサーネットワークでは、ユーザーがセンサーの1つ以上の障害を検知する。 まず、この問題の形式化を複数の条件分布仮説テストとして定義する。 効率性と柔軟性の両面から,密度モデルスコア関数に基づくテスト統計法を提案する。
  論文  参考訳（メタデータ） (2021-07-14T18:23:24Z)
• Uncertainty Inspired RGB-D Saliency Detection [70.50583438784571]
  本稿では,データラベリングプロセスから学習することで,RGB-D値検出の不確実性を利用した最初のフレームワークを提案する。 そこで本研究では,確率的RGB-Dサリエンシ検出を実現するために,サリエンシデータラベリングプロセスにインスパイアされた生成アーキテクチャを提案する。 6つの挑戦的RGB-Dベンチマークデータセットの結果から,サリエンシマップの分布を学習する際のアプローチの優れた性能が示された。
  論文  参考訳（メタデータ） (2020-09-07T13:01:45Z)

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。