Fugu-MT 論文翻訳(概要): Thin-shell stability of Gaussian cooling: logconcave sampling with sesteric complexity from a cold start

論文の概要: Thin-shell stability of Gaussian cooling: logconcave sampling with sesteric complexity from a cold start

arxiv url: http://arxiv.org/abs/2609.15884v1
Date: Mon, 14 Sep 2026 17:10:31 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-16 07:15:06.524209
Title: Thin-shell stability of Gaussian cooling: logconcave sampling with sesteric complexity from a cold start
Title（参考訳）: ガウス冷却の薄殻安定性:冷間開始時のエステル複雑度を有するログコンケーブサンプリング
Abstract要約: ガウス冷却経路に沿った対流確率測定は薄い殻安定性を有することを示す。この結果、冷間開始から任意の対流路分布をサンプリングする根本的な問題に対する複雑性が向上した。
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 show that logconcave probability measures along the Gaussian cooling path have thin-shell stability, generalizing the thin-shell theorem. This result leads to improved complexity for the fundamental problem of sampling an arbitrary logconcave distribution from a cold start. For (near-)isotropic logconcave distributions, the complexity is nearly $n^{2.5}$, improving the previous bound of $n^{2.75}$, and matching the complexity of the abstract Speedy walk.
Abstract（参考訳）: ガウス冷却経路に沿った対流確率測定は薄殻安定性を持ち、薄殻定理を一般化することを示した。この結果、冷間開始から任意の対流路分布をサンプリングする根本的な問題に対する複雑性が向上した。近方(等方性)の対数圏の分布の場合、複雑さはほぼ$n^{2.5}$であり、以前の境界である$n^{2.75}$を改善し、抽象的なスピーディウォークの複雑さと一致する。

関連論文リスト

A unified complexity bound for logconcave sampling [14.178898919334115]
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。
論文参考訳（メタデータ） (2026-06-10T21:28:30Z)
High-accuracy log-concave sampling with stochastic queries [70.90863485771405]
サブエクスフォデンシャルテールの繰り返し勾配を用いて,ログコンケーブサンプリングの精度保証が達成可能であることを示す。また、このフレームワークは、0番目の順序(値)クエリの下でも、同様の高精度な保証を提供する。
論文参考訳（メタデータ） (2026-02-15T23:19:07Z)
Polynomial Mixing Times of Simulated Tempering for Mixture Targets by Conductance Decomposition [4.008356608627647]
位置シフトのみが異なる対数凹成分の混合物から採取した模擬温度計の理論的複雑さについて検討した。主な結果は、メトロポリス・ランゲヴィンアルゴリズム(MALA)と組み合わせた模擬テンパリングの初めての保証を確立することである。この証明は、拡張空間上に構築された補助マルコフ連鎖に適用される、$s$コンダクタンスの一般的な状態分解定理に基づいている。
論文参考訳（メタデータ） (2025-11-01T21:16:35Z)
Convergence Analysis of the PAGE Stochastic Algorithm for Weakly Convex Finite-Sum Optimization [56.57092765118707]
このアルゴリズムは、このタイプの作業の平均点を定常的に見つけるように設計されている。これは、一般的なフレームワーク(tautauL$)と変更率の間で改善される連続的な非滑らかなケース(tautauL$)を提供する。
論文参考訳（メタデータ） (2025-08-31T08:06:53Z)
Poisson Midpoint Method for Log Concave Sampling: Beyond the Strong Error Lower Bounds [7.350138378074856]
過度に損傷/破壊されたランゲヴィン力学の中間点離散化を用いた$mathbbRd$上の強対数分布からのサンプリング問題について検討する。 2-ワッサーシュタイン距離(W$)における収束性を証明し、オイラー・丸山離散化に対する目標精度(epsilon$)に依存して立方体スピードアップを達成する。特に、アンダーダムングランゲヴィン力学の場合、$W$収束の複雑さは$L2$の収束の複雑さの下限よりもはるかに小さいことを示す。
論文参考訳（メタデータ） (2025-06-09T10:27:15Z)
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)
Parallel Simulation for Log-concave Sampling and Score-based Diffusion Models [55.07411490538404]
本稿では,次元$d$の適応的複雑性依存性を改善する並列サンプリング手法を提案する。我々の手法は科学計算による並列シミュレーション技術に基づいている。
論文参考訳（メタデータ） (2024-12-10T11:50:46Z)
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)
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)
The query complexity of sampling from strongly log-concave distributions in one dimension [14.18847457501901]
Omega(loglogkappa)$の最初の厳密な下限を、強い対数凹と対数平滑な分布のクラスからサンプリングするクエリに設定する。本稿では,この指数的ギャップを埋めるリジェクションに基づく新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-05-29T00:51:17Z)
Faster Convergence of Stochastic Gradient Langevin Dynamics for Non-Log-Concave Sampling [110.88857917726276]
我々は,非log-concaveとなる分布のクラスからサンプリングするために,勾配ランゲヴィンダイナミクス(SGLD)の新たな収束解析を行う。我々のアプローチの核心は、補助的時間反転型マルコフ連鎖を用いたSGLDのコンダクタンス解析である。
論文参考訳（メタデータ） (2020-10-19T15:23:18Z)
Sample Complexity of Asynchronous Q-Learning: Sharper Analysis and Variance Reduction [63.41789556777387]
非同期Q-ラーニングはマルコフ決定過程(MDP)の最適行動値関数(またはQ-関数)を学習することを目的としている。 Q-関数の入出力$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。