論文の概要: Latent State Utilization in Probabilistic Circuits

• arxiv url: http://arxiv.org/abs/2610.24315v1
• Date: Fri, 16 Oct 2026 23:28:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-26 02:23:32.560941
• Title: Latent State Utilization in Probabilistic Circuits
• Title（参考訳）: 確率回路における遅延状態利用
• Abstract要約: PCに潜伏状態を加えると、その表現能力は増大するが、可能性として利得は減少する。 我々は相互情報を用いて、訓練されたPCで表される依存度が潜時サイズでどのように変化するかを調べる。 ImageNet32のHidden Chow-Liu Trees (HCLTs) による実験では、学習した依存度は徐々に増加し、潜在状態の上界とデータへの依存度の推定値の両方よりかなり低いままである。
• 参考スコア（独自算出の注目度）: 21.024298980895626
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Probabilistic circuits (PCs) are generative models that support efficient probabilistic inference. Adding latent states to a PC increases its representational capacity, but yields diminishing gains in likelihood. We use mutual information to examine how the dependence represented by a trained PC changes with latent size. Experiments with Hidden Chow-Liu Trees (HCLTs) on ImageNet32 show that learned dependence grows slowly and remains well below both the latent-state upper bound and estimates of dependence in the data. To understand how learning uses these states, we examine how strongly each sample favors particular latent states and how broadly states are used across the dataset. Tracking these measurements during HCLT training distinguishes rapid early posterior concentration from the more gradual stabilization of sample-dependent state preferences. Early measurements also guide initialization selection in HCLTs and hidden Markov models (HMMs), as well as tree selection in HCLTs. The resulting choices improve the ultimate performance across the tested latent sizes, providing a practical benefit from our study of latent-state utilization.
• Abstract（参考訳）: 確率回路(PC)は、効率的な確率的推論をサポートする生成モデルである。 PCに潜伏状態を加えると、その表現能力は増大するが、可能性として利得は減少する。 我々は相互情報を用いて、訓練されたPCで表される依存度が潜時サイズでどのように変化するかを調べる。 ImageNet32のHidden Chow-Liu Trees (HCLTs) による実験では、学習した依存度は徐々に増加し、潜在状態の上界とデータへの依存度の推定値の両方よりかなり低いままである。 学習がこれらの状態をどのように利用するかを理解するために、各サンプルが特定の潜伏状態をどのように強く好むか、データセット全体でどのように広く使用されるかを検討する。 HCLTトレーニング中のこれらの測定の追跡は、試料依存状態のより段階的な安定化と、早期後部濃度を区別する。 初期の測定はHCLTにおける初期化選択と隠れマルコフモデル(HMM)、HCLTにおける木の選択を導く。 その結果,テスト済みの潜伏状態における最終性能が向上し,潜伏状態利用の実践的メリットが得られた。

関連論文リスト

• Gated Graph Neural Networks for Learning Hidden Independent Cascade Dynamics [50.02140519922548]
  情報や伝染病はソーシャルネットワークを通じて広まっていますが、ノードごとのアクティベーション時間なしでは予測が難しいのです。 本研究では,Hydden Independent Cascade(HIC)モデルの下で,この逆問題について検討する。 本研究では,個々の潜伏カスケードを再構成することなく,ノードレベルのパラメータベクトルを復元するシミュレーションベースの補正推定器を提案する。
  論文  参考訳（メタデータ） (2026-10-02T20:36:22Z)
• DynSHAP: Towards Explainable Dynamic Survival Analysis [12.866975501183967]
  動的生存分析(DSA)のための深層学習モデルは, 縦断的患者データを組み込むことで, 高い予測性能が得られる。 既存の説明可能性法は、長手、不規則な入力と機能的生存出力を同時に扱うことはできない。 動的生存解析に適したSHAPフレームワークであるDynSHAPを提案する。
  論文  参考訳（メタデータ） (2026-09-11T16:39:55Z)
• Surv-IPTB: An Attention-Based Model for Estimating Individual Probability of Treatment Benefit with Survival Data [0.6882042556551609]
  提案したモデルであるSurv-IPTBは、特定の患者が治療中の生存時間とコントロール期間の延長を経験する確率を直接的に定量化する。 我々はIPTB推定を二項分類問題として再検討し、治療とコントロールコホート間での患者比較を両立させる。 学習可能なクエリキー変換によるアテンションメカニズムにより、ペア比較の柔軟なデータ駆動アグリゲーションが可能になる。
  論文  参考訳（メタデータ） (2026-08-06T17:13:44Z)
• Trust the Unreliability: Inward Backward Dynamic Unreliability Driven Coreset Selection for Medical Image Classification [10.037055301139443]
  コアセットの選択は計算コストを削減するのに役立つが、その医療データの有効性は本質的に複雑さのために制限されている。 動的不確実性駆動型コアセット選択(DUCS)戦略を提案する。
  論文  参考訳（メタデータ） (2026-03-18T11:16:56Z)
• A Sample Efficient Conditional Independence Test in the Presence of Discretization [54.047334792855345]
  離散化されたデータに直接条件付き独立テスト(CI)は、誤った結論につながる可能性がある。 最近の進歩は、観測データをバイナライズすることで、潜伏変数間の適切なCI関係を推測することを目指している。 そこで本研究では,バイナライゼーションプロセスに依存しないサンプル効率のCIテストを提案する。
  論文  参考訳（メタデータ） (2025-06-10T12:41:26Z)
• Gradient-based Explanations for Deep Learning Survival Models [0.716879432974126]
  本稿では,ニューラルネットワークの生存に適した勾配に基づく説明手法を提案する。 生存条件における時間依存的説明に対する理論的仮定の影響を解析する。 本稿では,時間次元を取り入れた効果的な可視化手法を提案する。
  論文  参考訳（メタデータ） (2025-02-07T14:36:55Z)
• Episodic Reinforcement Learning with Expanded State-reward Space [1.479675621064679]
  本稿では, 入力として使用する拡張状態と, トレーニングで使用する拡張報酬が, 履歴情報と現在の情報の両方を含むような, 拡張された状態逆空間を持つ効率的なECベースのDRLフレームワークを提案する。 提案手法は,検索情報の完全活用と時間差分(TD)損失による状態値の評価を同時に行うことができる。
  論文  参考訳（メタデータ） (2024-01-19T06:14:36Z)
• Exploiting Causal Graph Priors with Posterior Sampling for Reinforcement Learning [86.22660674919746]
  後部サンプリングは、環境の遷移力学に関する事前知識の活用を可能にする。 本稿では,環境変数に対する因果グラフとして先行値が与えられる新しい後方サンプリング手法を提案する。
  論文  参考訳（メタデータ） (2023-10-11T14:16:04Z)
• Instructed Diffuser with Temporal Condition Guidance for Offline Reinforcement Learning [71.24316734338501]
  テンポラリ・コンポラブル・ディフューザ(TCD)を用いた実効時間条件拡散モデルを提案する。 TCDは、相互作用シーケンスから時間情報を抽出し、時間条件で生成を明示的にガイドする。 提案手法は,従来のSOTAベースラインと比較して最高の性能を達成または一致させる。
  論文  参考訳（メタデータ） (2023-06-08T02:12:26Z)
• Value-Consistent Representation Learning for Data-Efficient Reinforcement Learning [105.70602423944148]
  本稿では,意思決定に直接関連のある表現を学習するための,VCR(Value-Consistent Expression Learning)という新しい手法を提案する。 この想像された状態と環境によって返される実状態とを一致させる代わりに、VCRは両方の状態に$Q$-valueヘッドを適用し、2つのアクション値の分布を得る。 検索不要なRLアルゴリズムに対して,提案手法が新たな最先端性能を実現することが実証された。
  論文  参考訳（メタデータ） (2022-06-25T03:02:25Z)

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。