論文の概要: Thermodynamic Cyclic Processes with Markov Samplers in Bayesian Inference

• arxiv url: http://arxiv.org/abs/2609.07660v1
• Date: Mon, 07 Sep 2026 15:46:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.46014
• Title: Thermodynamic Cyclic Processes with Markov Samplers in Bayesian Inference
• Title（参考訳）: マルコフサンプリングを用いたベイズ推論の熱力学過程
• Abstract要約: マルコフ連鎖モンテカルロ (MCMC) サイクルは熱エンジンの循環過程の類似である。 ベイズ標準アンサンブルの外部パラメータを調整できる適応型アンサンブルスケジューラを開発した。 理論上も実際においても)そのような系が非ゼロネットワーク出力を生成できることは、考慮されたモデルがガウス的でない場合に限る。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The concept of Markov chain Monte Carlo (MCMC) cycles, an analogy to cyclic processes in heat engines, is presented in order to examine Bayesian inference problems. In this effort, we develop adaptive ensemble schedulers that allow the tuning of external parameters of a Bayesian canonical ensemble during an MCMC run, realising the MCMC cycles in practice. We run these cycles on different statistical models. As a fundamental insight, we find (both theoretically and in practice) that such systems can produce a non-zero net work output if and only if the considered model is non-Gaussian. As such, they may serve as a measure of non-Gaussianity in Bayesian inference, which we test on an example from supernova cosmology.
• Abstract（参考訳）: 熱機関における循環過程の類似であるマルコフ連鎖モンテカルロサイクル(MCMC)の概念がベイズ推定問題を調べるために提示される。 本研究では,MCMC実行中にベイズ標準アンサンブルの外部パラメータを調整可能な適応アンサンブルスケジューラを開発し,実際にMCMCサイクルを実現する。 私たちはこれらのサイクルを異なる統計モデルで実行します。 基本的な洞察として、そのようなシステムが非ガウス的モデルが非ガウス的である場合に限って、(理論上も実際も)ゼロでないネットワーク出力を生成できることが分かる。 したがって、それらはベイズ予想における非ガウス性(英語版)の尺度として機能し、超新星宇宙学の例で試すことができる。

関連論文リスト

• Bayesian Circular Regression with von Mises Quasi-Processes [57.88921637944379]
  本研究では、円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 後部推論のために,高速ギブズサンプリングに寄与するストラトノビッチ様拡張法を導入する。 本研究では,このモデルを用いて風向予測と走行歩行周期のパーセンテージを関節角度の関数として適用する実験を行った。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• Robust Inference of Dynamic Covariance Using Wishart Processes and Sequential Monte Carlo [2.6347238599620115]
  本稿では,WishartプロセスのためのSMCサンプルについて紹介する。 SMCサンプリングは, 動的共分散の最も頑健な推定と外乱予測をもたらすことを示す。 提案手法が臨床うつ病のデータセットに有効であることを示す。
  論文  参考訳（メタデータ） (2024-06-07T09:48:11Z)
• On Cyclical MCMC Sampling [13.002470980542707]
  循環型MCMCはマルコフカーネルが高速な混合を行う場合の所望の確率分布に収束することを示す。 また, 循環MCMCは, 目標に収束しない場合でも, 各モードの周囲の分布の局所的な形状をよく推定することを示した。
  論文  参考訳（メタデータ） (2024-03-01T02:20:44Z)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• Dynamically Emergent Quantum Thermodynamics: Non-Markovian Otto Cycle [49.1574468325115]
  我々は,量子オットーサイクルの熱力学的挙動を再考し,メモリ効果と強い系-バス結合に着目した。 我々の研究は、厳密な量子マスター方程式を用いて、マルコビアン性(英語版)を正確に扱うことに基づいている。
  論文  参考訳（メタデータ） (2023-08-18T11:00:32Z)
• On the convergence of dynamic implementations of Hamiltonian Monte Carlo and No U-Turn Samplers [8.999094822549067]
  我々は、動的MCと呼ばれるMCMCアルゴリズムの一般クラスを考える。 この一般的なフレームワークは、特定のケースとしてNUTSを包含していることを示す。 HMCに類似した条件下では、NUTSは幾何学的にエルゴード的であることも示している。
  論文  参考訳（メタデータ） (2023-07-07T08:44:33Z)
• Markov Chain Monte Carlo for Continuous-Time Switching Dynamical Systems [26.744964200606784]
  マルコフ連鎖モンテカルロ法による新しい推論アルゴリズムを提案する。 提示されたギブスサンプルは、正確な連続時間後処理から試料を効率的に得ることができる。
  論文  参考訳（メタデータ） (2022-05-18T09:03:00Z)
• Deterministic Gibbs Sampling via Ordinary Differential Equations [77.42706423573573]
  本稿では,自律的ODEとツールを用いた決定論的測度保存ダイナミクスの一般構築について述べる。 我々は、ハイブリッドモンテカルロや他の決定論的サンプルが、我々の理論の特別な場合としてどのように従うかを示す。
  論文  参考訳（メタデータ） (2021-06-18T15:36:09Z)
• Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on Quantum Computers [52.77024349608834]
  少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。 逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
  論文  参考訳（メタデータ） (2021-03-04T18:21:00Z)
• Learning Energy-Based Model with Variational Auto-Encoder as Amortized Sampler [35.80109055748496]
  最大確率でエネルギーベースモデル(ebms)を訓練するにはマルコフ連鎖モンテカルロサンプリングが必要である。 我々は、エネルギー関数から派生したランゲビンダイナミクスのような有限ステップMCMCを初期化する変分オートエンコーダ(VAE)を学びます。 これらのアモールト化MCMCサンプルにより、ESMは「合成による分析」スキームに従って最大で訓練することができる。 我々はこの共同学習アルゴリズムを変分MCMC教育と呼び、VAEはEMMをデータ分布に向けて追従する。
  論文  参考訳（メタデータ） (2020-12-29T20:46:40Z)
• Kernel learning approaches for summarising and combining posterior similarity matrices [68.8204255655161]
  我々は,ベイズクラスタリングモデルに対するMCMCアルゴリズムの出力を要約するための新しいアプローチを提案するために,後部類似性行列(PSM)の概念を構築した。 我々の研究の重要な貢献は、PSMが正の半定値であり、したがって確率的に動機付けられたカーネル行列を定義するのに使用できることである。
  論文  参考訳（メタデータ） (2020-09-27T14:16:14Z)

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。