Fugu-MT 論文翻訳(概要): Tabula Rasa: Monte Carlo estimation of unit-variance noise with controlled spatio-temporal correlation

論文の概要: Tabula Rasa: Monte Carlo estimation of unit-variance noise with controlled spatio-temporal correlation

arxiv url: http://arxiv.org/abs/2610.11653v1
Date: Thu, 08 Oct 2026 10:30:02 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-10 02:36:53.957698
Title: Tabula Rasa: Monte Carlo estimation of unit-variance noise with controlled spatio-temporal correlation
Title（参考訳）: Tabula Rasa: 時空間相関制御による単位分散雑音のモンテカルロ推定
Abstract要約: 時間変動ガウス雑音を時間変動と時間相関で生成する手法を提案する。このノイズは、時間的制御と時間的コヒーレンスのためのいくつかの下流タスクで使用される。
参考スコア（独自算出の注目度）: 10.275699937677135
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We suggest a method to generate time-varying Gaussian noise with controlled variance and controlled temporal correlation. This noise is used in several downstream tasks for temporal control and temporal coherence. The core technical idea is to phrase this problem as joint Monte-Carlo estimation of both a classic pixel reconstruction and estimation of variance using the concept of "sketching" from the database literature. We demonstrate that our method allows temporal control for downstream tasks with simpler and faster code than previous methods.
Abstract（参考訳）: 時間変動ガウス雑音を時間変動と時間相関で生成する手法を提案する。このノイズは、時間的制御と時間的コヒーレンスのためのいくつかの下流タスクで使用される。中心となる技術的考え方は、この問題をモンテカルロの古典的なピクセル再構成と分散の推定を、データベース文献の「スケッチ」という概念を用いて共同で行うというものである。提案手法は,従来の手法よりもシンプルで高速なコードで,下流タスクの時間的制御を可能にすることを実証する。

関連論文リスト

Robust $Q$-learning for mean-field control under Wasserstein uncertainty in common noise [5.5004369279667396]
一般雑音法におけるワッサーシュタインの不確実性の下での離散時間平均場制御問題に対する頑健な$Q$学習アルゴリズムを提案する。同期学習スキームと非同期学習スキームの両方に対して、有限時間反復境界とともに収束を確立する。
論文参考訳（メタデータ） (2026-06-18T15:20:00Z)
An Elementary Approach to Scheduling in Generative Diffusion Models [55.171367482496755]
生成拡散モデルにおけるノイズスケジューリングと時間離散化の影響を特徴付けるための基礎的手法を開発した。異なるデータセットと事前訓練されたモデルにわたる実験により、我々のアプローチによって選択された時間離散化戦略が、ベースラインとサーチベースの戦略を一貫して上回ることを示した。
論文参考訳（メタデータ） (2026-01-20T05:06:26Z)
Time-Embedded Algorithm Unrolling for Computational MRI [4.511561231517167]
本稿では,逆問題に対する時間組込みアルゴリズムの解法を提案する。本手法は,アーティファクトのエイリアスを効果的に低減し,ノイズ増幅を緩和し,最先端の性能を実現する。
論文参考訳（メタデータ） (2025-10-18T03:10:09Z)
Error Propagation in Dynamic Programming: From Stochastic Control to Option Pricing [0.12891210250935145]
本稿では、離散時間における最適制御(SOC)の理論的および方法論的基礎について検討する。制御問題を一般的な動的プログラミングフレームワークで定式化し、詳細な収束解析に必要な数学的構造を導入する。我々は、我々の分析が重要な金融アプリケーション、すなわちアメリカのオプションの価格にどのように自然に適用するかを説明します。
論文参考訳（メタデータ） (2025-09-24T15:30:19Z)
Linear Bandits with Non-i.i.d. Noise [8.937169040399775]
本研究では,観測雑音に対する標準I.d.仮定を緩和し,線形帯域問題について検討する。この制限的な仮定の代替として、ラウンド間のノイズ項はガウス的であるが相互依存的であることを許す。不確実性に直面した楽観主義の原理に基づく帯域幅アルゴリズムを導出する。
論文参考訳（メタデータ） (2025-05-26T14:06:23Z)
Small steps no more: Global convergence of stochastic gradient bandits for arbitrary learning rates [61.091122503406304]
勾配帯域幅アルゴリズムは, 経験的定値学習率を用いて, ほぼ確実にグローバルな最適ポリシーに収束することを示す。この結果は、標準の滑らかさと騒音制御の仮定が崩壊するシナリオにおいても、勾配アルゴリズムが適切な探索と利用のバランスを保ち続けていることを証明している。
論文参考訳（メタデータ） (2025-02-11T00:12:04Z)
Partial Identification with Noisy Covariates: A Robust Optimization Approach [94.10051154390237]
観測データセットからの因果推論は、しばしば共変量の測定と調整に依存する。このロバストな最適化手法により、広範囲な因果調整法を拡張し、部分的同定を行うことができることを示す。合成および実データセット全体で、このアプローチは既存の手法よりも高いカバレッジ確率でATEバウンダリを提供する。
論文参考訳（メタデータ） (2022-02-22T04:24:26Z)
Policy Analysis using Synthetic Controls in Continuous-Time [101.35070661471124]
因果推論における手法開発において, 合成制御を用いた因果推定は最も成功した手法の1つである。本稿では,制御された微分方程式の定式化を明示的に用い,潜在反事実経路をモデル化する連続時間代替法を提案する。
論文参考訳（メタデータ） (2021-02-02T16:07:39Z)
A Kernel-Based Approach to Non-Stationary Reinforcement Learning in Metric Spaces [53.47210316424326]
KeRNSは、非定常マルコフ決定過程におけるエピソード強化学習のためのアルゴリズムである。我々は、状態-作用空間の被覆次元と時間とともにMDPの総変動にスケールする後悔境界を証明した。
論文参考訳（メタデータ） (2020-07-09T21:37:13Z)
Solving Inverse Problems with a Flow-based Noise Model [100.18560761392692]
本研究では,従来の正規化フローを用いた画像逆問題について検討する。我々の定式化は、この解を測定値に条件付けされた画像の最大後値推定とみなす。提案手法の様々な逆問題に対する有効性について実験的に検証した。
論文参考訳（メタデータ） (2020-03-18T08:33:49Z)

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。