論文の概要: Conditional Tensor Diffusion: Distributional Counterfactual Learning and Inference
- arxiv url: http://arxiv.org/abs/2609.25924v1
- Date: Tue, 22 Sep 2026 09:30:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:04.310468
- Title: Conditional Tensor Diffusion: Distributional Counterfactual Learning and Inference
- Title（参考訳）: 条件付きテンソル拡散:分布型対実的学習と推論
- Abstract要約: emphCounterfactual Tucker Diffusionは、処理マスクと潜伏タッカー構造を条件拡散に統合する。
CFTDiffは、競合する方法よりも正確に、欠落した結果を回復する。
因果解析に適用すると、CFTDiffは対実予測間隔と目標達成確率を得る。
- 参考スコア（独自算出の注目度）: 6.421232878305677
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Causal inference guides operational and managerial decisions but remains challenging in high-dimensional panel or tensor settings, where decisions may depend on the joint conditional distribution of missing control outcomes. We develop \emph{Counterfactual Tucker Diffusion} (\CFTDiff), which integrates the treatment mask and latent Tucker structure into conditional diffusion to recover this distribution given observed control outcomes through efficient nonlinear score learning in a low-dimensional core. The masked Tucker score preserves dependence across tensor modes while reducing the dimension of nonlinear score learning from the product of mode dimensions to the much smaller product of Tucker ranks. We establish high-probability error bounds for conditional score estimation that depend on the Tucker ranks, largest mode dimension, and the factor-strength-adjusted number of missing outcomes, and show how these bounds translate into recovery guaranties for the conditional distribution of the missing control outcomes. Across missing rates, simulations show more accurate point recovery than common causal panel and matrix/tensor completion methods; comparisons with nested diffusion specifications further demonstrate the gains from masked conditioning and Tucker dimension reduction. In Norway's iFlex experiment, \CFTDiff recovers missing outcomes more accurately than competing methods; when applied to causal analysis, its estimated conditional distributions yield counterfactual prediction intervals and target-attainment probabilities, allowing pricing interventions to be evaluated by demand-reduction magnitude and reliability.
- Abstract（参考訳）: 因果推論は、運用上の決定と管理上の決定を導くが、高次元のパネルやテンソルの設定では依然として困難なままであり、そこでは、制御結果の欠落のジョイント条件分布に依存する可能性がある。
処理マスクと潜伏タッカー構造を条件付き拡散に統合し、低次元コアでの効率的な非線形スコア学習により観測結果から得られた分布を復元する「emph{Counterfactual Tucker Diffusion} (\CFTDiff)」を開発した。
マスク付きタッカースコアはテンソルモード間の依存を保ちつつ、モード次元の積からより小さなタッカーランクの積まで非線形スコア学習の次元を減少させる。
本研究では,タッカー階数,最大モード次元,失点数に依存する条件付きスコア推定のための高確率誤差境界を確立し,これらの境界値が欠落した制御結果の条件分布に対する回復保証値にどのように変換されるかを示す。
欠落率全体にわたって、シミュレーションは一般的な因果パネルやマトリックス/テンソル完成法よりも正確な点回復を示し、ネスト拡散仕様との比較により、マスク条件付けとタッカー次元の縮小による利得がさらに示された。
ノルウェーのiFlex実験では、CFTDiffは競合する手法よりも正確な損失を回復し、因果解析に適用すると、推定された条件分布は反実予測間隔と目標達成確率を発生させ、需要減量と信頼性によって価格介入を評価することができる。
関連論文リスト
- Score-based Outlier Generation via Controlling the Radon-Nikodym Derivative [6.4704208663487295]
外乱はストレステストアルゴリズムや稀な条件下でのシステムの振る舞いを理解する上で重要である。
ログライクな値の分布に基づいて,アウトレーヤの測度理論的概念を導入する。
我々はOrnstein-Uhlenbeck半群に基づく拡散モデルを利用して指数関数的に補間されたコントローラを動機付ける。
論文 参考訳（メタデータ） (2026-09-10T18:39:10Z) - Finite-Sample Metric Non-Collapse for Geometrically Supervised Latent World Models in Control [0.0]
非線形決定論系の幾何学的教師付き潜在モデルに対する有限サンプル学習制御理論を確立する。
本稿では,方向分解能と分離状態判別を強制するエンコーダのみの局所的計量ヒンジを提案する。
モジュラー決定論は、学習した証明書を軌跡、有限水平コスト、学習コストヘッド、および論理的保証に転送する一方、検証された有限ネットの結果は、よりシャープなモデル固有の認証を可能にする。
論文 参考訳（メタデータ） (2026-08-07T14:25:33Z) - Adaptive MPPI with Online Disturbance Covariance Estimation: Provable Stability Tightening via Spatial Smoothing [0.0]
付加過程障害を有する非線形系のモデル予測経路積分(MPPI)制御について検討する。
不一致な外乱共分散は閉ループ安定性証明書に永続的なペナルティをもたらす。
論文 参考訳（メタデータ） (2026-07-09T21:12:40Z) - Density-Ratio Losses for Post-Hoc Learning to Defer [61.81110533670321]
理想分布のレンズを用いて,ポストホック学習からデファー(L2D)までの研究を行った。
モデルと専門家のイデアルの間の密度比を通じて、deferralを定義します。
次に、ディフェラル決定はスコアを閾値付けすることで行われ、deferral rateは再トレーニングせずに調整される。
論文 参考訳（メタデータ） (2026-05-19T08:56:23Z) - DISA: Offline Importance Sampling for Distribution-Matching LLM-RL [56.9445657766829]
本稿では、このキャリブレーション問題をRLループの外に移動させるdisAを紹介する。
DISAは提案トラジェクトリをオフラインに描画し、重要サンプリングによってパーティション関数を推定し、結果として発生するパーティション関数の推定を凍結する。
6つの数学と3つのコードベンチマークにまたがる2つのオープンウェイトなバックボーンでは、DisdisAはオンラインに結合した分散マッチングベースラインフローにマッチするか、超えている。
論文 参考訳（メタデータ） (2026-05-17T07:14:44Z) - Conditional Diffusion Under Linear Constraints: Langevin Mixing and Information-Theoretic Guarantees [10.73598638822051]
線形逆問題に対する事前学習拡散モデルを用いたゼロショット条件付きサンプリングについて検討する。
このスコアを無条件の接点スコアで置き換える誤差は、観測されたコンポーネントと観測されていないコンポーネントの間の次元自由条件の相互情報によって上限づけられていることを証明する。
論文 参考訳（メタデータ） (2026-05-06T19:19:54Z) - Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。
このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。
安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
論文 参考訳（メタデータ） (2026-03-07T01:49:59Z) - Decoupling the Effect of Chain-of-Thought Reasoning: A Human Label Variation Perspective [60.45433515408158]
長いチェーン・オブ・ソート(CoT)がトップオプションの決定的決定要因となるが、あいまいなタスクの粒度分布キャリブレータとして機能しないことを示す。
CoTは分布アライメントを改善するが、CoTの内容によって最終的な精度が決定される。
論文 参考訳（メタデータ） (2026-01-06T16:26:40Z) - Penalized Empirical Likelihood for Doubly Robust Causal Inference under Contamination in High Dimensions [0.720409153108429]
低サンプルサイズ方程式における平均処理効果を2倍頑健に推定する手法を提案する。
提案した信頼区間は, 競合する推定値と比較して効率がよいことを示す。
論文 参考訳（メタデータ） (2025-07-23T11:58:54Z) - Score-Based Model for Low-Rank Tensor Recovery [49.158601255093416]
低ランクテンソル分解(TD)は、マルチウェイデータ解析に有効なフレームワークを提供する。
従来のTD法は、CPやタッカー分解のような事前定義された構造的仮定に依存している。
本稿では,事前定義された構造的仮定や分布的仮定の必要性を排除したスコアベースモデルを提案する。
論文 参考訳（メタデータ） (2025-06-27T15:05:37Z) - GenDICE: Generalized Offline Estimation of Stationary Values [108.17309783125398]
重要なアプリケーションでは,効果的な推定が依然として可能であることを示す。
我々のアプローチは、定常分布と経験分布の差を補正する比率を推定することに基づいている。
結果として得られるアルゴリズム、GenDICEは単純で効果的である。
論文 参考訳（メタデータ） (2020-02-21T00:27:52Z)
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。