Fugu-MT 論文翻訳(概要): Accelerated High-Accuracy Sampling from a Warm Start via the Proximal Bouncy Particle Sampler

論文の概要: Accelerated High-Accuracy Sampling from a Warm Start via the Proximal Bouncy Particle Sampler

arxiv url: http://arxiv.org/abs/2609.06905v1
Date: Mon, 07 Sep 2026 01:13:27 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-10 19:44:08.334912
Title: Accelerated High-Accuracy Sampling from a Warm Start via the Proximal Bouncy Particle Sampler
Title（参考訳）: 温間開始から近距離バウンシー粒子サンプリング器による高速化された高精度サンプリング
Abstract要約: ここで、$(mathrmdx)propto e-V(x),mathrmdx$ on $mathbbRd$, $V$ is $-strongly convex and $-smooth, and write $:=/$。我々は, 素粒子サンプリング器と素粒子サンプリング器のアイデアを組み合わせて, 素粒子サンプリング器(素粒子サンプリング器, 素粒子サンプリング器, 素粒子サンプリング器)を設計し, 解析する。
参考スコア（独自算出の注目度）: 15.748402989364804
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study the problem of sampling from $μ(\mathrm{d}x)\propto e^{-V(x)}\,\mathrm{d}x$ on $\mathbb{R}^d$, where $V$ is $α$-strongly convex and $β$-smooth, and write $κ:=β/α$. We design and analyze the Proximal Bouncy Particle Sampler (Proximal BPS), a new sampler that combines ideas from the proximal sampler and the bouncy particle sampler. From a warm start initialization with $ O(1) $ Rényi divergence w.r.t. $μ$, Proximal BPS returns a sample whose law is $\varepsilon$-close to $μ$ in total variation distance using $\widetilde O(\sqrtκ\,d^{1/4} \,\mathrm{polylog}(1/\varepsilon))$ gradient queries in expectation.
Abstract（参考訳）: 我々は、$μ(\mathrm{d}x)\propto e^{-V(x)}\,\mathrm{d}x$ on $\mathbb{R}^d$, where $V$ is $α$-strongly convex and $β$-smooth, and write $κ:=β/α$。我々は, 素粒子サンプリング器と素粒子サンプリング器のアイデアを組み合わせて, 素粒子サンプリング器(素粒子サンプリング器, 素粒子サンプリング器, 素粒子サンプリング器)を設計・解析した。 A warm start initialization with $ O(1) $ Rényi divergence w.r.t. $μ$, Proximal BPS return a sample that law is $\varepsilon$-close to $μ$ in total variation distance using $\widetilde O(\sqrtκ\,d^{1/4} \,\mathrm{polylog}(1/\varepsilon)$ gradient query in expectation.

関連論文リスト

Windowed thinning and query complexity for the bouncy particle and Zigzag samplers [5.726854405157353]
球状粒子サンプリング器と座標Zigzagプロセスの正確なシミュレーション手法である窓面の薄化について検討する。総変量誤差$varepsilon$は、期待されるクエリカウントが$O(1/2d,(dlog+logfrac1varepsilon))、バウンシー粒子サンプリング器の$グラデーションクエリが$O(d1/4(dlog+logfrac1varepsilon))、Zigzagの$フルグレート等価が$O(d1/4(dlog+logfrac1varepsilon)である。
論文参考訳（メタデータ） (2026-07-30T15:59:25Z)
A proximal gradient algorithm for composite log-concave sampling [9.11122093402205]
我々は、$mathbbRd$、すなわち$propto e-f-g$という形の密度の合成対数分布からサンプリングするアルゴリズムを提案する。さらに、(1)$が非log-concaveであるが、 Poincaré あるいは log-Sobolev の不等式を満たす場合、(2)$f$ が非smooth であるが Lipschitz である場合にも結果を拡張します。
論文参考訳（メタデータ） (2026-05-12T17:48:09Z)
A Black-Box Debiasing Framework for Conditional Sampling [18.132736654624058]
条件付きサンプリングはベイズ統計学および生成モデルにおける基本的な課題である。本稿では,このようなナイーブなプラグインアプローチの精度を向上させるブラックボックスデバイアス方式を提案する。
論文参考訳（メタデータ） (2025-10-13T07:11:27Z)
Information-Computation Tradeoffs for Noiseless Linear Regression with Oblivious Contamination [65.37519531362157]
このタスクに対する効率的な統計的クエリアルゴリズムは、VSTATの複雑さを少なくとも$tildeOmega(d1/2/alpha2)$で要求する。
論文参考訳（メタデータ） (2025-10-12T15:42:44Z)
Spike-and-Slab Posterior Sampling in High Dimensions [11.458504242206862]
スパイク・アンド・スラブ先行法[MB88]による後方サンプリングは,ベイズ・スパース線形回帰の理論的金標準法であると考えられる。我々は,任意のSNRに適用可能なスパイク・アンド・スラブ後続サンプリングのための最初の証明可能なアルゴリズムを提示し,問題次元における測定カウントサブを使用する。ラプラス拡散密度を用いたスパイク・アンド・スラブ後方サンプリングに拡張し、$sigma = O(frac1k)$が有界である場合にも同様の保証を達成する。
論文参考訳（メタデータ） (2025-03-04T17:16:07Z)
Outsourced diffusion sampling: Efficient posterior inference in latent spaces of generative models [65.71506381302815]
本稿では、$p(mathbfxmidmathbfy) propto p_theta(mathbfx)$ という形式の後続分布からサンプリングするコストを償却する。多くのモデルや制約に対して、後部ノイズ空間はデータ空間よりも滑らかであり、償却推論により適している。
論文参考訳（メタデータ） (2025-02-10T19:49:54Z)
Sharper Bounds for $\ell_p$ Sensitivity Sampling [56.45770306797584]
まず, $ell_p$ 部分空間埋め込みを $p に対して高感度サンプリングする。また、ルートレバレッジスコアサンプリングアルゴリズムは1leq p2$に対して約$d$を達成し、レバレッジスコアと感度サンプリングの組み合わせにより、約$d2/pmathfrak S2-4/p$を2pinftyで改善することを示した。
論文参考訳（メタデータ） (2023-06-01T14:27:28Z)
The Sample Complexity of Robust Covariance Testing [56.98280399449707]
i. i. d. 形式 $Z = (1-epsilon) X + epsilon B$ の分布からのサンプル。ここで $X$ はゼロ平均で未知の共分散である Gaussian $mathcalN(0, Sigma)$ である。汚染がない場合、事前の研究は、$O(d)$サンプルを使用するこの仮説テストタスクの単純なテスターを与えた。サンプル複雑性の上限が $omega(d2)$ for $epsilon$ an arbitrarily small constant and $gamma であることを証明します。
論文参考訳（メタデータ） (2020-12-31T18:24:41Z)
Structured Logconcave Sampling with a Restricted Gaussian Oracle [23.781520510778716]
我々は,複数のロジコンケーブファミリーを高精度にサンプリングするアルゴリズムを提案する。凸最適化における近点法にインスパイアされた縮小フレームワークをさらに発展させる。
論文参考訳（メタデータ） (2020-10-07T01:43:07Z)
Optimal Robust Linear Regression in Nearly Linear Time [97.11565882347772]
学習者が生成モデル$Y = langle X,w* rangle + epsilon$から$n$のサンプルにアクセスできるような高次元頑健な線形回帰問題について検討する。 i) $X$ is L4-L2 hypercontractive, $mathbbE [XXtop]$ has bounded condition number and $epsilon$ has bounded variance, (ii) $X$ is sub-Gaussian with identity second moment and $epsilon$ is
論文参考訳（メタデータ） (2020-07-16T06:44:44Z)
Model-Free Reinforcement Learning: from Clipped Pseudo-Regret to Sample Complexity [59.34067736545355]
S$状態、$A$アクション、割引係数$gamma in (0,1)$、近似しきい値$epsilon > 0$の MDP が与えられた場合、$epsilon$-Optimal Policy を学ぶためのモデルなしアルゴリズムを提供する。十分小さな$epsilon$の場合、サンプルの複雑さで改良されたアルゴリズムを示す。
論文参考訳（メタデータ） (2020-06-06T13:34:41Z)
Sample Complexity of Asynchronous Q-Learning: Sharper Analysis and Variance Reduction [63.41789556777387]
非同期Q-ラーニングはマルコフ決定過程(MDP)の最適行動値関数(またはQ-関数)を学習することを目的としている。 Q-関数の入出力$varepsilon$-正確な推定に必要なサンプルの数は、少なくとも$frac1mu_min (1-gamma)5varepsilon2+ fract_mixmu_min (1-gamma)$の順である。
論文参考訳（メタデータ） (2020-06-04T17:51:00Z)

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。