「math.PR」カテゴリーアーカイブ

Diffusion Schrödinger Bridge with Applications to Score-Based Generative Modeling

投稿日: 2023年4月6日 作成者: jarxiv

要約 タイトル：自己得点生成モデリングへの拡散シュレディンガー橋の応用 要約： … 続きを読む →

カテゴリー: cs.LG, math.PR, stat.ML | Diffusion Schrödinger Bridge with Applications to Score-Based Generative Modeling はコメントを受け付けていません

Towards a mathematical theory of trajectory inference

投稿日: 2023年4月4日 作成者: jarxiv

要約 タイトル：軌跡推定の数学的理論に向けて 要約： – 時間的マー … 続きを読む →

カテゴリー: 49M29, 62M20 (Primary) 62G99, 92C15 (Secondary), cs.LG, math.OC, math.PR, math.ST, stat.ML, stat.TH | Towards a mathematical theory of trajectory inference はコメントを受け付けていません

Stochastic Interpolants: A Unifying Framework for Flows and Diffusions

投稿日: 2023年3月28日 作成者: jarxiv

要約 フローベースと拡散ベースの方法を統合する生成モデルのクラスが導入されていま … 続きを読む →

カテゴリー: cond-mat.dis-nn, cs.LG, math.PR | Stochastic Interpolants: A Unifying Framework for Flows and Diffusions はコメントを受け付けていません

Deep Conditional Measure Quantization

投稿日: 2023年3月27日 作成者: jarxiv

要約 確率測度の量子化とは、(確率測度の計量空間で) 入力分布を十分に近似するデ … 続きを読む →

カテゴリー: cs.AI, cs.LG, math.PR, stat.ML | Deep Conditional Measure Quantization はコメントを受け付けていません

Utilising the CLT Structure in Stochastic Gradient based Sampling : Improved Analysis and Faster Algorithms

投稿日: 2023年3月24日 作成者: jarxiv

要約 確率的勾配ランジュバン ダイナミクス (SGLD) や相互作用粒子動力学 … 続きを読む →

カテゴリー: cs.LG, cs.MA, math.OC, math.PR | Utilising the CLT Structure in Stochastic Gradient based Sampling : Improved Analysis and Faster Algorithms はコメントを受け付けていません

Almost Sure Convergence of Dropout Algorithms for Neural Networks

投稿日: 2023年3月24日 作成者: jarxiv

要約 Dropout (Hinton et al., 2012) に触発されたニ … 続きを読む →

カテゴリー: cs.LG, math.OC, math.PR | Almost Sure Convergence of Dropout Algorithms for Neural Networks はコメントを受け付けていません

Unsupervised Deep Probabilistic Approach for Partial Point Cloud Registration

投稿日: 2023年3月24日 作成者: jarxiv

要約 深い点群の登録方法は、部分的なオーバーラップの課題に直面し、ラベル付きデー … 続きを読む →

カテゴリー: cs.AI, cs.CV, math.PR | Unsupervised Deep Probabilistic Approach for Partial Point Cloud Registration はコメントを受け付けていません

Stochastic Interpolants: A Unifying Framework for Flows and Diffusions

投稿日: 2023年3月16日 作成者: jarxiv

要約 Albergo & Vanden-Eijnden (2023) … 続きを読む →

カテゴリー: cond-mat.dis-nn, cs.LG, math.PR | Stochastic Interpolants: A Unifying Framework for Flows and Diffusions はコメントを受け付けていません

Seq2Seq Surrogates of Epidemic Models to Facilitate Bayesian Inference

投稿日: 2023年3月13日 作成者: jarxiv

要約 流行モデルは、感染症を理解するための強力なツールです。 ただし、サイズと複 … 続きを読む →

カテゴリー: cs.AI, cs.LG, math.PR, q-bio.PE, stat.ML | Seq2Seq Surrogates of Epidemic Models to Facilitate Bayesian Inference はコメントを受け付けていません

Designing Universal Causal Deep Learning Models: The Geometric (Hyper)Transformer

投稿日: 2023年3月10日 作成者: jarxiv

要約 確率的分析におけるいくつかの問題は、それらの幾何学によって定義されており、 … 続きを読む →

カテゴリー: 30L99, 41A65, 49Q22, 60G25, 60H35, 68T07, cs.LG, cs.NE, math.MG, math.PR, q-fin.CP | Designing Universal Causal Deep Learning Models: The Geometric (Hyper)Transformer はコメントを受け付けていません