Parallel computations for Metropolis Markov chains with Picard maps
この論文は、勾配情報に依存しないメトロポリス・マルコフ連鎖を、ピカールの写像に基づく並列アルゴリズムを用いて効率的にシミュレートする手法を開発し、高次元問題や勾配が利用できない実世界の問題におけるサンプリングの高速化を実現したことを述べています。
📊 Category
stat.CO
38 件の論文
An AI-powered Bayesian Generative Modeling Approach for Arbitrary Conditional Inference
本論文は、任意の条件付き推論を可能にするため、単一の生成モデルを学習し事後予測区間による不確実性を定量化する「ベイズ生成モデル（BGM）」という新しい枠組みを提案し、その収束性と統計的整合性などの理論的保証を示したものです。
Sampling on Discrete Spaces with Temporal Point Processes
この論文は、任意の離散分布からサンプリングするための新しい手法として、時間点過程（特に無限サーバーキューのシステム）を構築し、そのイベント数ベクトルが目標分布に収束することを示し、従来の出生・死亡過程やザネラ過程よりも効率的なサンプリングを実現するとともに、生物学的に妥当な特徴を持つ再帰的確率ニューラルネットワークへの応用を提案しています。
BNEM: A Boltzmann Sampler Based on Bootstrapped Noised Energy Matching
本論文は、ボルツマン分布からの効率的なサンプリングを目的として、ノイズ付きエネルギーの学習に基づく拡散サンプリング手法「NEM」と、そのバイアスと分散を調整するブートストラップ技術を組み合わせた「BNEM」を提案し、複雑な分布における最先端の性能と頑健性を示しています。
Fast confidence bounds for the false discovery proportion over a path of hypotheses
この論文は、Durand ら（2020）が提案した森林構造に基づく参照家族を用いた偽発見率の事後上界を、選択集合を 1 つずつ増やす経路上で効率的に計算する新たなアルゴリズム（および付加的な工夫）を提示し、計算量を から に削減するものである。
StablePCA: Distributionally Robust Learning of Shared Representations from Multi-Source Data
本論文は、複数のデータソースから分布ロバストな共有表現を学習する「StablePCA」を提案し、非凸最適化問題を解決するために凸緩和とミラー・プロックスアルゴリズムを導入するとともに、緩和の緊密性を評価するデータ依存の証明条件を導出しています。
Robustness and size-dependence of circadian rhythms in multiscale suprachiasmatic-nucleus networks
この論文は、幾何学的分枝成長法と幾何学的再正規化法を用いてマウス視交叉上核の機能ネットワークを多スケールに拡張・縮小した結果、平均次数が支配的な要因でありクラスタリングの自己相似性が崩れてもリズムは頑強に維持されることを示し、合成モデルとは異なり実在する視交叉上核ネットワークではサイズ依存性が観測されないことを明らかにした。
Multi-parameter determination in the semilinear Helmholtz equation
本論文は、有界領域における半線形ヘルムホルツ方程式の逆境界値問題を取り上げ、高次線形化法を用いて境界測定から線形および非線形係数の一意性を証明し、さらにベイズ推論とマルコフ連鎖モンテカルロ法に基づく数値的再構成枠組みを提案してその有効性を示しています。
A note on diffusive/random-walk behaviour in Metropolis--Hastings algorithms
メトロポリス・ヘイスティングス法において提案分布が幾何学的エルゴード性を欠き受入率が 1 に近づく場合、マルコフ連鎖も同様に幾何学的エルゴード性を欠くことを証明し、さらにポテンシャルの形状（多項式型か厳密凸型か）によってランダムウォーク法とガイドドウォーク法の収束速度や移動特性がどのように異なるかを解析した。
Group-Sparse Smoothing for Longitudinal Models with Time-Varying Coefficients
この論文は、縦断データ分析において、変数の選択と時間依存性の有無（一定か時間変化するかの識別）を同時に実行し、過学習を防ぎながら解釈可能性と予測精度を向上させる新しい枠組み「TV-Select」を提案し、その理論的性質と実データへの適用性を示したものである。
Fractional Topological Phases, Flat Bands, and Robust Edge States on Finite Cyclic Graphs via Single-Coin Split-Step Quantum Walks
この論文は、有限の循環グラフ上で単一コイン分割ステップ量子ウォークを用いて、整数トポロジカル不変量を超えた分数トポロジカル相、平坦バンド、およびロバストなエッジ状態を初めて実現し、その安定性と実験的実現可能性を示したものである。
Momentum SVGD-EM for Accelerated Maximum Marginal Likelihood Estimation
本論文は、Nesterov 加速をモデルパラメータと確率測度の両方に導入することで、最大周辺尤度推定を高速化する「Momentum SVGD-EM」と呼ばれる新しいアルゴリズムを提案し、低次元から高次元の多様なタスクにおいて収束を著しく改善することを示しています。
Learning Robust Treatment Rules for Censored Data
この論文は、打ち切り生存データに対して、指定された分位数に基づく打ち切り平均生存時間の最大化、および打ち切り平均生存時間を考慮した調整閾値を用いたバッファード生存確率の最大化という 2 つの頑健な基準を提案し、サンプリングに基づく差の凸アルゴリズムを開発して理論的裏付けとシミュレーション、AIDS 臨床試験データによる実証を行うことを目的としています。
Conditional Local Importance by Quantile Expectations
この論文は、LIME や SHAP などの既存手法が抱える局所的な変数依存関係の反映不足や多クラス分類への非適応性といった課題を克服し、変数間の局所的な依存関係や相互作用を捉えながら多クラス分類問題にも直接適用可能な新しいモデルアノニマな局所変数重要度測定手法「CLIQUE」を提案するものである。
Network Cross-Validation and Model Selection via Subsampling
本論文では、大規模なネットワークデータにおけるモデル選択やパラメータ調整を効率的かつ高精度に行うため、重なり合う部分グラフを用いた新しい交差検証手法「NETCROP」を提案し、その理論的保証と数値的有効性を示しています。
Optimally balancing exploration and exploitation to automate multi-fidelity statistical estimation
この論文は、マルチフィデリティ推定におけるオラクル統計量の推定コストと最終推定量の構築のバランスを最適化する適応アルゴリズムを提案し、その理論的有効性と数値的妥当性を示しています。
Two-sample comparison through additive tree models for density ratios
この論文は、二つの分布の密度比を推定するための加法木モデルと「バランス損失」を提案し、これにより勾配ブースティングなどの教師あり学習アルゴリズムやベイズ推論による不確実性の定量化を可能にし、高次元データや生成モデルの品質評価などへの応用を示すものである。
Tensor Train Completion from Fiberwise Observations Along a Single Mode
本論文は、テンソルの特定のモードに沿ったファイバーが完全に観測されているか欠損しているという「ファイバーごとの観測」パターンに特化した、標準的な線形代数演算に基づく高速かつ確定的なテンソル・トレイン分解による補完手法を提案し、その有効性を示しています。
Optimising two-block averaging kernels to speed up Markov chains
本論文は、有限マルコフ連鎖の混合を加速する最適な 2 ブロック分割を選択する問題に対し、KL 発散とフロベニウス距離という 2 つの基準に基づいて最適化手法を確立し、組合せ最適化問題として定式化するとともに、効率的な近似アルゴリズムを提案してその実用性を検証したものである。
Gimbal Regression: Orientation-Adaptive Local Linear Regression under Spatial Heterogeneity
この論文は、空間的異質性における局所回帰の不安定さを解消し、数値的安定性と透明性を確保するために、幾何学的な方向性を明示的に活用した決定論的かつ幾何学的に意識された新しい回帰手法「Gimbal 回帰」を提案しています。