Fugu-MT 論文翻訳(概要): Minimax Rates for Conditional Generative Learning under Wasserstein Loss

論文の概要: Minimax Rates for Conditional Generative Learning under Wasserstein Loss

arxiv url: http://arxiv.org/abs/2610.35490v1
Date: Mon, 26 Oct 2026 14:20:27 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-27 22:27:14.026045
Title: Minimax Rates for Conditional Generative Learning under Wasserstein Loss
Title（参考訳）: ワーサーシュタイン損失下での条件付き生成学習における最小値
Abstract要約: We study minimax rate for conditional generative learning under Wasserstein loss。条件付き出力分布を用いて、制約のない発電機の評価を行う。また, 密度, 積分性, 均一曲率条件下で条件付きブレニエ写像の最小値を求める。
参考スコア（独自算出の注目度）: 4.0717069074492205
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We study minimax rates for conditional generative learning under integrated Wasserstein loss, with Hölder continuous conditional laws and an unrestricted covariate distribution. We evaluate unrestricted generators through their conditional output distributions. For expected Wasserstein loss, the minimax rate agrees with the rate under uniform covariates and follows from balancing localization bias against unconditional distribution estimation error. Higher moments of the loss can instead be dominated by unobserved covariate regions, which force an additional risk contribution of order $n^{-1}$, where $n$ is the sample size. An adaptive localization argument gives matching upper bounds. The results cover unrestricted response laws and possibly vanishing Besov densities for $W_1$, and extend to higher Wasserstein orders under uniform response density bounds and integrability conditions. A multiscale lower bound closes the logarithmic gap in unconditional $W_1$ minimax rates in dimension two for both unrestricted distributions and Besov density classes. We also establish minimax rates for conditional Brenier maps under density, integrability, and uniform curvature conditions.
Abstract（参考訳）: We study minimax rate for conditional generative learning under integrated Wasserstein loss, with Hölder continuous conditional law and an unrestricted covariate distribution。条件付き出力分布を用いて、制約のない発電機の評価を行う。予想されるワッサーシュタイン損失に対しては、ミニマックスレートは一様共変量の下での速度と一致し、非条件分布推定誤差に対して局所化バイアスのバランスをとる。損失の高次モーメントは、観測されていない共変量領域に支配され、従量$n^{-1}$の付加的なリスク寄与を強いる。適応的なローカライゼーション引数は、一致する上限を与える。結果は、制限のない応答法則をカバーし、おそらくベソフ密度を$W_1$で消滅させ、一様応答密度境界と積分性条件の下でワッサーシュタイン位数にまで拡張する。マルチスケールの下界は、非条件の$W_1$ミニマックスの次元2の対数ギャップを非制限分布とベソフ密度クラスの両方で閉じる。また, 密度, 積分性, 均一曲率条件下で条件付きブレニエ写像の最小値を求める。

関連論文リスト

On the asymptotic behaviour of $α$-divergence generalized posteriors [1.8620637029128544]
本稿では,$$-divergence で正規化される一般変分推論問題に対する解の挙動について検討する。最小化器は、L1$でガウスの固定された非ガウスの法則に収束する再スケーリングを許容することを示す。我々は,これらの定性的に異なる体制が,信頼された地域の頻繁な報道に与える影響について論じる。
論文参考訳（メタデータ） (2026-10-26T12:27:36Z)
Minimax Rates for Estimating Powered Sliced Wasserstein Functionals [0.0]
実効スライテッド・ワッサースタイン関数の予測を、プロジェクションされた$r$-thのモーメント仮定の下で検討する。我々は非クリティカルな体制の中でミニマックスレートを確立する。この臨界の場合の正確なミニマックスレートは未解決のままである。
論文参考訳（メタデータ） (2026-10-08T21:37:03Z)
Sample complexity of variance-reduced policy gradient: weaker assumptions and lower bounds [61.41272490044518]
REINFORCEの分散還元バージョンは、$O(-3)$サンプルの複雑さを改善して$$-stationary点を求める。本稿では, 従来の重みの分散を仮定することなく, 同一レートを達成できる, 防御重要度サンプリングに基づくアルゴリズムを提案する。
論文参考訳（メタデータ） (2026-10-02T11:43:52Z)
Local polynomial density ratio estimation [46.453787256723366]
独立サンプルが利用できる2つの$d$次元密度$f$と$g$の比率$rf/g$の新しい局所多項式推定器を提案する。推定器は、追加の対数係数を伴わない任意の滑らか度指数の Hlder クラスに対して、ポイントワイズ極小率を達成することが示される。我々は,この推定器を用いてKulback-Leiblerの情報を推定する方法を示す。
論文参考訳（メタデータ） (2026-09-29T19:06:03Z)
Conformalized Quantile Regression and Minimax Limits of Fixed-Score Calibration under Known Covariate Shift [25.59471163637912]
分割共形量子レグレッションにおける区間長と条件付きカバレッジの非漸近$Lp$誤差境界について検討した。スパースReLUニューラルネットワークを用いて量子レグレッションのバウンダリをインスタンス化する。
論文参考訳（メタデータ） (2026-09-21T17:24:00Z)
Constrained Online Learning with Noisy Constraint Values [55.29259818039367]
一般的な実現可能性の下では、我々のLEDGERアルゴリズムは、期待される損失$O(sqrt T)と期待される予算違反$O(sqrtTlog(eT))を達成します。スレーター条件、フィードバックチャネル間の独立性、絶対的制約値境界は不要である。
論文参考訳（メタデータ） (2026-09-07T01:38:41Z)
Restricted Eigenvalues Beyond Gaussian Width: Threshold Occupancy under Heavy Tails [47.36630149538994]
等方的準ガウス測度の場合、ベンチマークサンプルサイズは1+w(A)2$であり、$w(A)$は正規化降下円錐のガウス幅である。ここで定式化された一般的な問題に対して、明示的で体系的な否定的な答えを与える:提案された法則は、その全次元自由で任意の集合形式で失敗する。等方性の下では、アフィン次元倍の2乗半径で支配される分布のないフォールバックがこの族に鋭い。
論文参考訳（メタデータ） (2026-09-03T08:05:05Z)
Robust Average-Reward Markov Decision Processes: Minimax-Optimal Learning via Plug-in Reductions [51.50375419691955]
分布的に堅牢なマルコフ決定プロセスは、モデルの不確実性の下でのシーケンシャルな意思決定のための原則化されたフレームワークを提供する。我々は,平均回帰基準の下で,$varepsilon$-Optimal robust policyを学習するのに必要なサンプル数と十分なサンプル数について検討した。
論文参考訳（メタデータ） (2026-08-06T19:49:48Z)
From Saddle Points Toward Global Minima: A Newton-Type Method on Wasserstein Space [51.56484100374058]
正方形ワッサーシュタイン・ヘッセンの正則化平方根によるワッサーシュタイン最小化を前提とした二階法を提案する。この構造は、負の曲率に沿って反発方向を誘導しながら、正の曲率に向かう方向へのアトラクションを保っている。 We show that WSFN converges linearly in $L2$-Wasserstein to a non-de global distance。
論文参考訳（メタデータ） (2026-05-18T07:18:22Z)
Steady-State Behavior of Constant-Stepsize Stochastic Approximation: Gaussian Approximation and Tail Bounds [9.739744677824286]
定段近似(SA)は計算効率の学習に広く用いられている。以前の研究は、段数 $downarrow 0$ のとき中心とスケールの定常状態がガウス確率ベクトルに弱収束することを示していた。この論文は、固定された$に対して明示的で漸近的でないエラー境界を提供する。
論文参考訳（メタデータ） (2026-02-15T02:34:50Z)
Non-asymptotic convergence bounds for Wasserstein approximation using point clouds [0.0]
モデル確率分布からサンプルしたような離散データを生成する方法を示す。収束型アルゴリズムに対して明示的な上限を与える。
論文参考訳（メタデータ） (2021-06-15T06:53:08Z)

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。