論文の概要: FIDE: Fiber-Informed Differentiable Experimental Design for Reference-Relative Law Dynamics
- arxiv url: http://arxiv.org/abs/2610.40009v1
- Date: Thu, 29 Oct 2026 13:27:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-31 05:25:12.509893
- Title: FIDE: Fiber-Informed Differentiable Experimental Design for Reference-Relative Law Dynamics
- Title（参考訳）: FIDE:参照相対法則ダイナミクスのための繊維インフォームド微分可能実験設計
- Abstract要約: ベースライン保存設定における残余設計自由の解消方法について検討する。
textbfFiber-textbfInformed textbfDifferentiable textbfExperimental Design (textbfFIDE)
textbfFIDEは完了した経路を実現するのに必要な平均2乗速度補正の最小値である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Aggregate measurements generally leave an evolving population law underdetermined, so different measurement systems can be equally adequate for a scientific task while constraining different aspects of the law. We study how to resolve this residual design freedom in baseline-preserving settings, where an existing dynamical model remains the working baseline outside quantities explicitly valued by the task. \textbf{F}iber-\textbf{I}nformed \textbf{D}ifferentiable \textbf{E}xperimental Design (\textbf{FIDE}) completes each candidate's aggregate constraints by information projection relative to a common frozen reference, then ranks scientifically adequate designs by the dynamical revision required to realize the resulting completed paths. The resulting \emph{Full action} is the minimum mean-squared velocity correction needed to realize a completed path; equivalently, its square root is the sharp reference-relative expectation-rate discrepancy over a gradient-normalized Sobolev class. This defines a conditional minimum-revision principle for baseline-preserving design rather than a generic truth-recovery objective. Experiments show that this preference changes sensor selection, can help or harm withheld downstream predictions depending on baseline reliability, can be used prospectively from aggregate predictions, and remains computationally usable for a $32$-dimensional configuration law.
- Abstract（参考訳）: 集約的測定は通常、人口法が過小評価されているため、異なる測定システムは法の異なる側面を制約しながら、科学的タスクに等しく適している可能性がある。
既存の動的モデルがタスクによって明示的に評価される量の外の作業ベースラインを維持している場合、ベースライン保存設定において、この残余設計自由を解決する方法について検討する。
\textbf{F}iber-\textbf{I}nformed \textbf{D}ifferentiable \textbf{E}xperimental Design (\textbf{FIDE}) は、共通の凍結参照に対する情報投影により各候補の集約的制約を完了し、結果のパスを実現するのに必要な動的リビジョンによって科学的に適切な設計をランク付けする。
結果として生じる 'emph{Full action} は、完了した経路を実現するのに必要な最小平均2乗速度補正である。
これは、一般的な真理の回収目的ではなく、ベースライン保存設計のための条件付き最小限の修正原則を定義する。
実験により、この選好によってセンサの選択が変化し、ベースラインの信頼性に応じて下流の予測が保たれたり、損なわれたりする可能性があり、集合予測から前向きに利用でき、32ドルの構成法則で計算に使用できることが示されている。
関連論文リスト
- COMPASS: Contextual Moment Prior Alignment for Generalizable AIGI Detection [87.91469665365304]
一般化可能なAI生成画像(AIGI)とディープフェイク検出は、非対称性現象のため難しいままである。
最近の部分空間適応法は、残留部分空間を適応させながら高次主成分を凍結することによりこの問題を軽減する。
本稿では,小さなSemantic Proxy Setを用いて,ターゲットのアクティベーション統計を推定するデータ認識サブスペース適応フレームワークを提案する。
論文 参考訳（メタデータ） (2026-10-13T09:23:12Z) - Capability Scaling-Down Laws for LLM Compression [57.14348517864116]
我々は, LLM圧縮のスケールダウン法則を, 刈り込み, 定量化, 蒸留にまたがって検討した。
我々のフレームワークは、数学、コード生成、質問応答における能力損失を測定する。
我々は単純な予測関係を構築し、その精度、測定効率、および未知の構成やモデル状態への一般化を評価する。
論文 参考訳（メタデータ） (2026-10-01T20:35:12Z) - Measuring trainable degrees of freedom in materials graph neural networks: a random-subspace intrinsic dimension analysis [0.12277343096128711]
最終的な予測精度は、物質優位性予測におけるグラフニューラルネットワーク(GNN)の比較の標準基盤である。
本稿では,GNN学習教材の相補的特徴として,学習可能度依存を導入する。
CGCNN, ALIGNN, DimeNet++ をランダムなパラメータ部分空間で訓練する。
論文 参考訳（メタデータ） (2026-09-28T18:29:48Z) - Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。
そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。
制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
論文 参考訳（メタデータ） (2026-08-20T13:59:57Z) - Sensor Design for Accuracy-Bounded Estimation via Maximum-Entropy Likelihood Synthesis [0.0]
誤差予算が与えられた場合、ダイナミックな事前情報を超えて最小限の情報を注入しながら、それを強制する測定確率を合成する。
このフレームワークは任意の相違を許容し、平均相違、$f$divergences、モーメント制約、ハイブリッドメトリクスに対してインスタンス化される。
論文 参考訳（メタデータ） (2026-05-11T18:28:45Z) - TRACE: Transport Alignment Conformal Prediction via Diffusion and Flow Matching Models [4.9352098965615]
多次元出力に対して有効な情報領域を構築する方法について検討する。
交通路の速度や誤差を平均化することにより,候補出力が学習した生成力学とどの程度一致しているかを計測する。
結果として得られるトランスポートベースのスコアはスカラー値であり、共形予測分割を用いて校正することができる。
論文 参考訳（メタデータ） (2026-05-08T01:28:57Z) - Score-Guided Proximal Projection: A Unified Geometric Framework for Rectified Flow Editing [1.0312968200748118]
Rectified Flowモデルは最先端の世代品質を実現するが、正確なタスクのためにそれらを制御することは依然として困難である。
現在のアプローチは「幾何学的ロック」に苦しむ逆法に基づくガイダンスに分岐する
Score-Guided Proximal Projectionは,決定論的最適化と縮尺サンプリングのギャップを埋める統一フレームワークである。
論文 参考訳（メタデータ） (2026-03-05T23:44:45Z) - Aligning Latent Spaces with Flow Priors [72.24305287508474]
本稿では,学習可能な潜在空間を任意の目標分布に整合させるための新しいフレームワークを提案する。
特に,提案手法は計算コストの高い確率評価を排除し,最適化時のODE解決を回避する。
論文 参考訳（メタデータ） (2025-06-05T16:59:53Z) - Learning When the Concept Shifts: Confounding, Invariance, and Dimension Reduction [5.38274042816001]
観測データでは、分布シフトは観測されていない共起因子によって駆動されることが多い。
このことは、観測データを用いた領域適応問題の研究を動機付けます。
学習した低次元部分空間を用いて、ターゲットとソースのリスクの間にほぼ理想的なギャップを生じさせるモデルを示す。
論文 参考訳（メタデータ） (2024-06-22T17:43:08Z) - Towards Continual Learning Desiderata via HSIC-Bottleneck
Orthogonalization and Equiangular Embedding [55.107555305760954]
本稿では,レイヤワイドパラメータのオーバーライトや決定境界の歪みに起因する,概念的にシンプルで効果的な手法を提案する。
提案手法は,ゼロの指数バッファと1.02倍の差が絶対的に優れていても,競争精度が向上する。
論文 参考訳（メタデータ） (2024-01-17T09:01:29Z) - Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。
また、局所的な一貫性の結果に基づいた理論的保証も提供する。
この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
論文 参考訳（メタデータ） (2022-11-17T15:48:06Z)
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。