論文の概要: Stochastic Kernel Mode Decomposition: Information, Uncertainty, and Conditional Regime Inference
- arxiv url: http://arxiv.org/abs/2611.16874v1
- Date: Thu, 12 Nov 2026 14:39:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.488046
- Title: Stochastic Kernel Mode Decomposition: Information, Uncertainty, and Conditional Regime Inference
- Title(参考訳): 確率的カーネルモード分解:情報、不確かさ、条件付きレジーム推論
- Abstract要約: カーネルモード分解(カーネルモード分解、英: Kernel Mode Decomposition、SKMD)は、署名されたKMDモード座標に共同規制法則を適合させる。
独立に変化するノイズ分散を持つガウス系では、固定座標エネルギーは完全な状態の後方を正確に保持する。
我々は,2つの異なる重心状態においても,線形対数デコーダが2次的特徴を連続的に保持することを示す。
- 参考スコア(独自算出の注目度): 2.1485350418225244
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: When do mode energies preserve regime information as measurement quality changes? Stochastic Kernel Mode Decomposition (sKMD) fits joint regime laws on signed KMD mode coordinates and transfers the reference mode posterior to regime probabilities and conditional reconstructions. For centered Gaussian regimes with independently varying known noise variances, fixed coordinate energies retain the full regime posterior precisely when all classes share their cross-covariances and class variances can differ only at isolated vertices of the covariance graph. We extend the characterization to nonzero means and show that freely varying correlated noise forces a fixed linear log-odds decoder to retain the full quadratic feature span even for two distinct centered regimes. At fixed quality, a three-regime example has no sufficient two-energy basis. Its smallest Bayes log-loss gap over bases of condition number at most $κ$ has sharp order $κ^{-1}$. Exact Bayes energy posteriors supply numerical gap estimates for specified bases. Additional bounds relate feature compression, independently learned mode spans and sensor-noise error to log loss. Two controlled experiments with 64 independent panels each show that signed information can improve prediction over energy summaries, while integration gives small gains over strong signed controls and depends on how the competing point rule is calibrated and how accurately observation noise is measured.
- Abstract(参考訳): モデムエネルギーはいつ、測定品質の変化としてレジーム情報を保存するのか?
Stochastic Kernel Mode Decomposition (SKMD) は、署名されたKMDモード座標に共同規制法則を適合させ、参照モードの後方をレジーム確率と条件付き再構成に転送する。
独立に変化するノイズ分散を持つ中心ガウス系の場合、固定座標エネルギーは、すべてのクラスが交叉共分散を共有し、クラス分散が共分散グラフの孤立頂点でのみ異なるときの完全状態の後方を正確に保持する。
非ゼロな手法に特徴を拡張し、互いに相関する雑音を自由に変化させることで、固定線形対数デコーダが2つの異なる中心状態においても2次的特徴を連続的に保持できることを示す。
固定品質の場合、3-レジムの例は十分な2-エネルギー基底を持たない。
条件数基底上の最小のベイズ対数ギャップは、少なくとも$κ$は、シャープオーダー$κ^{-1}$を持つ。
エクササイズベイズエネルギー後部は、特定の基底に対して数値的なギャップ推定を提供する。
追加のバウンダリは、特徴圧縮、独立した学習モードスパン、およびログ損失に対するセンサノイズエラーに関連する。
64個の独立したパネルを持つ2つの制御実験は、符号付き情報がエネルギーの総和よりも予測を改善することを示し、一方、積分は強い符号付き制御よりも小さな利得を与え、競合する点規則の校正方法と観測ノイズの正確な測定方法に依存する。
関連論文リスト
- Exceptional points in non-Markovian quantum-state diffusion: From coefficient dynamics to state signatures [2.8055741334432693]
メモリ係数方程式の例外的な点は、全ての量子状態可観測性において同じシグネチャを持つ必要はない。
本研究では, 因果的準備, 状態再構成, 平均化によって, 係数の例外点が正確に, 読み出しに依存した意味を与えることを示す。
論文 参考訳(メタデータ) (2026-11-09T20:47:14Z) - Denoising Is Stein: Moment Access and a Resource Hierarchy for Learning Hidden Structure in Diffusion Models [3.744103474408833]
本研究は,非ガウス成分を隠したデータを含む場合,ペアの雑音化によるスコア学習について検討する。
クリーンポイントの再利用でトレーニングされたワイド8ネットワークは、$d2$のようなトレーニングセット閾値が$d=64$--192$を超え、バリデーションとキャリブレーションのオーバーヘッドが固定されている。
論文 参考訳(メタデータ) (2026-11-02T22:39:45Z) - Timbre: Reliability-aware harmonic consensus for label-free multimodal test-time rexinforcement learning [57.985367205599324]
メソッドはマルチモーダルテスト時強化学習のための信頼性を考慮した調和コンセンサスフレームワークである。
メソッドは、適応インスタンスのセットとホールドアウトインスタンスの18のセットのセットで、TTRVを16のベンチマークで上回ります。
これらの結果は、さらなる更新なしにターゲットタスク適応と未確認インスタンスへの転送を改善した。
論文 参考訳(メタデータ) (2026-10-29T06:15:35Z) - Two-Sample Testing via Generative Processes [60.42943145582429]
生成輸送は、2つのサンプルが同じ分布から来るかどうかを決定する新しい方法を提供する。
2つのサンプルの間に直接補間体を構築し、対称スケジュールでは、その法則が時間反射の下で不変であることを観察する。
したがって、t と 1-t の辺辺が、Jensen-Shannon の発散を計算することで一致するかどうかをテストする。
論文 参考訳(メタデータ) (2026-10-06T12:48:27Z) - Continuous-Process Randomized Compilation for Quantum Process Tensors [7.492201684641685]
連続プロセステンソル(cPT)フレームワークで連続プロセスランダム化コンパイル(CPRC)を構築する。
固定されたパウリリフレッシュ、有界ケイリー経路、ユニタリブラウン運動、オルンシュタイン-ウレンベック駆動の4つのプロトコルについて検討する。
本研究では,有界中心結合および混合条件下での完全適応出力レコードに対する全変分誤差を導出する。
論文 参考訳(メタデータ) (2026-10-01T11:55:16Z) - Intrinsic Structure: Spectral Identifiability for Mechanistic Interpretability [51.56484100374058]
機械論的解釈可能性プリミティブに対する最初の識別可能性定理を証明した。
スペクトルは、正当性分解ではなく、記述されたエラーバーを持つ識別可能なモデル固有の指紋である。
論文 参考訳(メタデータ) (2026-08-10T19:42:01Z) - What Accuracy and Gradient Cosine Miss: Evaluating Feedback Alignment via Scale Stability, Reference Validity, and Depth Utility [48.10132234701036]
本稿では,3つのチェック(スケール安定性,参照妥当性,深度ユーティリティ)に基づく診断評価プロトコルを提案する。
複数のアーキテクチャや手法にまたがって、我々のプロトコルは広い校正マージンを持つ全ての障害を識別する。
論文 参考訳(メタデータ) (2026-06-19T06:04:17Z) - Stability and Generalization of Push-Sum Based Decentralized Optimization over Directed Graphs [55.77845440440496]
プッシュベースの分散通信は、情報交換が非対称である可能性のある通信ネットワークの最適化を可能にする。
我々は、グラディエント・プッシュ(SGP)アルゴリズムのための統一的な一様安定性フレームワークを開発する。
重要な技術的要素は、2つの量に束縛された不均衡認識の一般化である。
論文 参考訳(メタデータ) (2026-02-24T05:32:03Z) - Analysis of Hessian Scaling for Local and Global Costs in Variational Quantum Algorithm [0.42970700836450487]
変分量子アルゴリズムにおけるヘッセンのエントリーワイズ解の定量化を行う。
ショットノイズに対してヘッセン成分を解くのに必要なサンプルの複雑さを規定する2つの異なるスケーリング機構を示す。
論文 参考訳(メタデータ) (2026-01-31T15:49:23Z) - Flow based approach for Dynamic Temporal Causal models with non-Gaussian or Heteroscedastic Noises [37.02662517645979]
因果発見のための統合フレームワークであるFANTOMを紹介する。
非定常過程と非ガウス的および異方性雑音を扱う。
同時にレジームの数と対応するインデックスを推測し、各レジームのディレクテッド・アサイクリックグラフを学習する。
論文 参考訳(メタデータ) (2025-06-20T15:12:43Z)
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。