論文の概要: Implicit and explicit reparameterizations of the Folded Normal and Rice distributions

• arxiv url: http://arxiv.org/abs/2610.17151v1
• Date: Mon, 12 Oct 2026 17:29:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 03:04:59.535504
• Title: Implicit and explicit reparameterizations of the Folded Normal and Rice distributions
• Title（参考訳）: 普通米と米の熟成分布の暗黙的・明示的再パラメータ化
• Abstract要約: この研究は、progPyTorchの折りたたみ正規分布および米分布に対する暗黙的および明示的勾配推定器を導出し、実装する。 それぞれの場合、暗黙的推定器は位置微分の低分散、特に小さな位置-スケール比で達成し、スケール-微分的分散はほぼ等しい。 実用的な応用として、フレンチ・ウィルソンスケーリングは変分推論問題として定式化され、折り畳まれた正規分布と米分布を偏心反射と偏心反射の変分族として用いた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Variational inference is a flexible tool for modeling experimental data and has proven useful in crystallography. Pathwise gradient estimators provide low-variance gradients for reparameterized variational inference, but are not readily available for some distributions central to crystallography. This work derives and implements implicit and explicit reparameterized gradient estimators for the folded Normal and Rice distributions in \prog{PyTorch}, and compares their variance analytically and empirically. In each case the implicit estimator achieves lower variance for the location derivative, particularly at small location-to-scale ratios, while the scale-derivative variances are nearly equal. For both distributions, implicit estimator is proved to be the conditional expectation of the explicit estimator given the sampled magnitude, so its variance is never larger. As a practical application, French-Wilson scaling is formulated as a variational inference problem, using the folded Normal and Rice distributions as variational families for centric and acentric reflections, respectively. Both estimators recover the exact posterior to better than $1\%$ on the amplitude, and converge at the same rate. The implementations are available in the open-source package \prog{rs-distributions}.
• Abstract（参考訳）: 変分推論は実験データをモデリングするための柔軟なツールであり、結晶学において有用であることが証明されている。 経路勾配推定器は、再パラメータ化された変分推論のために低分散勾配を与えるが、結晶学の中心となるいくつかの分布では容易には利用できない。 この研究は、 \prog{PyTorch} の折りたたみ正規分布と米分布に対する暗黙的かつ明示的なパラメータ化勾配推定器を導出し、実装し、それらの分散を解析的かつ経験的に比較する。 それぞれの場合、暗黙的推定器は位置微分の低分散、特に小さな位置-スケール比で達成し、スケール-微分的分散はほぼ等しい。 どちらの分布に対しても、暗示推定器はサンプル等級が与えられたときの明示的推定器の条件付き予測であることが証明されるので、その分散は大きくなることはない。 実践的な応用として、フレンチ・ウィルソンスケーリングは変分推論問題として定式化され、折り畳まれた正規分布と米分布を中心反射と非中心反射の変分族として用いた。 両方の推定器は振幅で正確な後部を1\%以上まで回復し、同じ速度で収束する。 実装はオープンソースパッケージ \prog{rs-distributions} で利用可能である。

関連論文リスト

• Multivariate root-n-consistent smoothing parameter free matching estimators and estimators of inverse density weighted expectations [51.000851088730684]
  我々は、パラメトリックな$sqrt n $-rateで収束する、最も近い隣人の新しい修正とマッチング推定器を開発する。 我々は,非パラメトリック関数推定器は含まないこと,特に標本サイズ依存パラメータの平滑化には依存していないことを強調する。
  論文  参考訳（メタデータ） (2024-07-11T13:28:34Z)
• Reparameterized Variational Rejection Sampling [12.189621777178354]
  変動リジェクションサンプリング(VRS)は、パラメータ提案分布とサンプリングリジェクションを組み合わせて、リッチな非パラメトリック分布の族を定義する。 提案手法は,実運用において良好に動作し,特に局所潜伏変数を持つモデルではブラックボックス推論に適していることを示す。
  論文  参考訳（メタデータ） (2023-09-26T01:46:53Z)
• Spectrum-Aware Debiasing: A Modern Inference Framework with Applications to Principal Components Regression [1.342834401139078]
  本稿では,高次元回帰のための新しい手法であるSpectrumAware Debiasingを紹介する。 我々のアプローチは、構造的、重く、低ランクな構造に関する問題に適用できる。 シミュレーションおよび実データ実験により本手法を実証する。
  論文  参考訳（メタデータ） (2023-09-14T15:58:30Z)
• Generalized equivalences between subsampling and ridge regularization [3.1346887720803505]
  アンサンブルリッジ推定器におけるサブサンプリングとリッジ正則化の間の構造的およびリスク等価性を証明した。 我々の同値性の間接的な意味は、最適に調整されたリッジ回帰は、データアスペクト比において単調な予測リスクを示すことである。
  論文  参考訳（メタデータ） (2023-05-29T14:05:51Z)
• Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
  正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。 一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
  論文  参考訳（メタデータ） (2022-02-23T06:11:49Z)
• Near-optimal inference in adaptive linear regression [60.08422051718195]
  最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。 我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。 我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
  論文  参考訳（メタデータ） (2021-07-05T21:05:11Z)
• Variational Refinement for Importance Sampling Using the Forward Kullback-Leibler Divergence [77.06203118175335]
  変分推論(VI)はベイズ推論における正確なサンプリングの代替として人気がある。 重要度サンプリング(IS)は、ベイズ近似推論手順の推定を微調整し、偏りを逸脱するためにしばしば用いられる。 近似ベイズ推論のための最適化手法とサンプリング手法の新たな組み合わせを提案する。
  論文  参考訳（メタデータ） (2021-06-30T11:00:24Z)
• Rao-Blackwellizing the Straight-Through Gumbel-Softmax Gradient Estimator [93.05919133288161]
  一般的なGumbel-Softmax推定器のストレートスルー変量の分散は、ラオ・ブラックウェル化により減少できることを示す。 これは平均二乗誤差を確実に減少させる。 これは分散の低減、収束の高速化、および2つの教師なし潜在変数モデルの性能向上につながることを実証的に実証した。
  論文  参考訳（メタデータ） (2020-10-09T22:54:38Z)

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。