論文の概要: Transport for Conditional Sampling: Foundations and Applications
- arxiv url: http://arxiv.org/abs/2611.01436v1
- Date: Sun, 01 Nov 2026 02:19:17 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-03 20:22:25.692231
- Title: Transport for Conditional Sampling: Foundations and Applications
- Title（参考訳）: コンディションサンプリングのためのトランスポート:基礎と応用
- Abstract要約: 条件サンプリングはベイズ推論、生成的モデリング、因果推論の中心である。
本稿では,三角輸送の理論的,方法論的,アルゴリズム的基礎について概説する。
本稿では,有限標本から三角マップを推定する手法と,シミュレーションに基づく推論と因果推論での利用について論じる。
- 参考スコア（独自算出の注目度）: 6.790099924513025
- License:
- Abstract: Conditional sampling is central to Bayesian inference, generative modeling, and causal inference: given a joint law for random variables $X$ and $Y$ and an observation $Y=y$, one seeks to sample from the conditional law of $X\mid Y=y$. Even when the joint distribution is accurately represented, this task can be computationally difficult as it may require evaluating intractable normalizing constants or solving a new inference problem for each observation. Measure transport provides an approach to this problem by identifying a map with triangular structure that directly pushes forward a reference to the conditional of a joint distribution for any observation. This article reviews the theoretical, methodological, and algorithmic foundations of triangular transports, with the Knothe-Rosenblatt rearrangement as a canonical construction. We discuss methods for estimating triangular maps from finite samples, as well as their use in simulation-based inference and causal inference. While our primary aim is to review existing formulations, we also present new ideas and open questions for conditional sampling using transport.
- Abstract（参考訳）: 条件サンプリングはベイズ的推論、生成的モデリング、因果推論の中心であり、確率変数の合同法則を$X$と$Y$、観測法則を$Y=y$とすると、$X\mid Y=y$の条件法則からサンプルを求める。
関節分布が正確に表現されたとしても、このタスクは、難解な正規化定数の評価や、観測毎に新しい推論問題を解く必要があるため、計算的に困難である。
測度輸送は、任意の観測のために関節分布の条件への参照を直接前進させる三角形構造を持つ写像を同定することによって、この問題に対するアプローチを提供する。
本稿は、Knothe-Rosenblatt再構成を標準構成として、三角輸送の理論的、方法論的、アルゴリズム的基礎を概観する。
本稿では,有限標本から三角マップを推定する手法と,シミュレーションに基づく推論と因果推論での利用について論じる。
我々の主な目的は既存の定式化をレビューすることであるが、輸送を用いた条件付きサンプリングのための新しいアイデアとオープンな質問も提示する。
関連論文リスト
- Score Mismatch and Set-Constrained Sampling in Zero-Shot Conditional Discrete Diffusion [66.0716790920952]
スコアミスマッチした離散拡散モデルに対する最初の理論的解析を行う。
このようなミスマッチによる追加バイアスを明確に識別する一般KL発散上限を導出する。
代入確率は吸収率で無条件スコアで正確に表現できることを示す。
論文 参考訳（メタデータ） (2026-10-15T01:05:30Z) - Amortized Energy-Based Bayesian Inference [5.330852012059025]
本稿では, 後部分布を近似するために, 基準測度を前方に進める観測依存マップを学習する輸送方式を提案する。
この定式化は可能性のないものであり、関節標本のみを必要とし、密度評価、可逆性制約、ヤコビ計算を避ける。
有限次元非線形逆問題と多孔質媒質流と地震インバージョンに起因する2つのPDE制約逆問題について述べる。
論文 参考訳（メタデータ） (2026-05-14T20:45:11Z) - Conditional Optimal Transport on Function Spaces [53.9025059364831]
ブロック三角形モンジュ写像を記述した制約付き最適輸送問題の理論を開発する。
これは、一般的なコスト関数を持つ分離可能な無限次元函数空間への最適三角輸送の理論を一般化する。
本稿では,機能パラメータの非道徳的および可能性のない推論に対する理論的結果の計算的適用性を示す数値実験を行う。
論文 参考訳（メタデータ） (2023-11-09T18:44:42Z) - A generative flow for conditional sampling via optimal transport [1.0486135378491266]
本研究は、参照サンプルを対象に反復的にマッピングする非パラメトリック生成モデルを提案する。
このモデルは、対象分布の条件を特徴付けるためにコンポーネントが示されるブロック三角形輸送マップを使用する。
これらのマップは、L2$コスト関数を重み付けした最適輸送問題の解法から生じ、条件付きサンプリングのための[Trigila and Tabak, 2016]におけるデータ駆動アプローチを拡張した。
論文 参考訳（メタデータ） (2023-07-09T05:36:26Z) - Gauge-equivariant flow models for sampling in lattice field theories
with pseudofermions [51.52945471576731]
本研究は,フェルミオン行列式の推定器として擬フェルミオンを用いたフェルミオン格子場理論におけるフローベースサンプリングのためのゲージ不変アーキテクチャを提案する。
これは最先端の格子場理論計算におけるデフォルトのアプローチであり、QCDのような理論へのフローモデルの実践的応用に欠かせない。
論文 参考訳（メタデータ） (2022-07-18T21:13:34Z) - Conditional Sampling with Monotone GANs: from Generative Models to
Likelihood-Free Inference [4.913013713982677]
ブロック三角トランスポートマップを用いた確率測定の条件付きサンプリングのための新しいフレームワークを提案する。
バナッハ空間におけるブロック三角輸送の理論的基礎を開発する。
次に, 単調生成逆数ネットワークと呼ばれる計算手法を導入し, 適切なブロック三角形写像を学習する。
論文 参考訳（メタデータ） (2020-06-11T19:15:43Z) - Composing Normalizing Flows for Inverse Problems [89.06155049265641]
本稿では,2つの流れモデルの合成として,対象条件を推定する近似推論フレームワークを提案する。
本手法は,様々な逆問題に対して評価し,不確実性のある高品質な試料を作製することを示した。
論文 参考訳（メタデータ） (2020-02-26T19:01:11Z)
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。