KNOWLEDGE VAULT — TAG
タグ「潜在構造ブロックモデル」
収蔵 11件
2026-11-19
高次元構造のガウス条件付き性を活用した、高速・高精度な事後分布推論コンパイラ「CONGA」
CONGA: Compiling Gaussian Fiber Geometry for Structured Bayesian Inference
出典:Hugging Face Daily Papers(Upvotes: 1 | arXiv:2611.20995)
- 構造化ベイズモデルにおける「ガウス条件付きの潜在ブロック」を特定し、アフィン写像を用いて標準正規分布へ変換する推論加速技術。
- 既存の汎用推論(NUTS等)が再学習(Warmup)で無駄にする幾何構造を事前にコンパイルし、計算コストに応じた最適な写像(Brenier/Knothe-Rosenblatt等)を選択する。
- 高次元の経済指標(Stock-Watsonモデル)や電力負荷モデルなど、次元は高いがコア変数が限定的な構造化データにおいて、推論速度の劇的な向上と収束性の改善を実現する。
2026-11-19
グラフ構造推定における「モチーフ順序の限界」と非識別性の定式化
Bounded-Order Non-Identifiability in Latent Structure Block Models: The Fiber in Closed Form
出典:arXiv stat.ML (Statistical ML)(Authors: Sie Hendrata Dharmawan, Peter Chin | 2026-11-17)
- 潜在構造ブロックモデル(LSBM)における、有限のモチーフ(部分グラフ)密度では識別不可能な「ファイバー(非識別領域)」の閉形式解を導出。
- 既存のスペクトル手法やモチーフ計数法では、特定の条件下で真の構造を捉えられず、信頼区間も正しく機能しないことを数学的に証明。
- 大規模グラフの構造推定において、どの程度のモチーフ順序が必要か、あるいはどの手法が「偽の適合」を起こすかを判定する実用的なチェックリストを提供。
2026-11-17
SALA:言語的意味を介した潜在行動空間の共有による、人間・ロボット動画の双方向スケーリング
SALA: Semantically Aligned Latent Actions Enable Dual-Axis Scaling of Embodied Foundation Models
出典:Hugging Face Daily Papers(Upvotes: 9 | arXiv:2611.17110)
- 人間とロボットの動画を共通の「潜在行動空間(Latent Action Space)」で統合するSALAフレームワークの提案。
- 従来の動画再構成のみに依存する手法に対し、言語記述を用いた「意味的対応」を導入することで、視覚的差異を克服し行動の共通性を抽出。
- 人間動画による大規模な事前学習と、タスク特化の人間動画による事後学習の両面で、ロボットの行動精度と成功率を向上させる。
2026-11-16
潜在空間における双方向自己回帰を用いた人間動作のセマンティック表現学習
BAL: Bidirectional Autoregression in Latent Space for Learning Human Movement Representations
出典:arXiv cs.LG (Machine Learning)(Authors: Genki Kinoshita, Ko Nishino | 2026-11-13)
- 3Dポーズシーケンスから人間の動作の「意味(セマンティクス)」を抽出する自己教師あり学習フレームワーク「BAL」の提案。
- 人工的な制約(増強不変性やマスク復元)ではなく、人間の動作が持つ「自然な時間順序」を双方向の自己回帰として利用することで、ハイパーパラメータへの過度な依存を排除。
- 動作のキャプション生成、将来予測、補間といった、時系列の文脈理解が必要なタスクで高い性能を発揮する。
2026-11-16
ScoreCLR:Denoising Score Matchingを用いた高効率な対照学習と斥力項の最適化
Contrastive latent representation learning with denoising score matching
出典:arXiv stat.ML (Statistical ML)(Authors: Christopher Marouani, Grigory Bartosh, Christian A. Naesseth | 2026-11-13)
- 対照学習における「負例(異なるサンプル)への斥力」を、Denoising Score Matchingを用いて推定するScoreCLRを提案。
- 従来のバッチサイズに依存する負例の比較($O(N^2)$)を、学習可能な斥力項($O(N)$)に置き換え、高次元の呪いを回避。
- SimCLRと同等の精度を維持しつつ、より高いランク(多様性)を持つ潜在表現を、計算コストを抑えて獲得可能。
2026-11-08
LLMエージェントのコンテキスト圧縮:行動維持型学習による潜在表現を活用
Tools Need Not Speak in Text: Latent Context Compression for Agents
出典:Hugging Face Daily Papers(Upvotes: 2 | arXiv:2611.06500)
- LLMエージェントにおけるツール出力のコンテキストオーバーヘッドを削減する手法「Coca-Cola」を提案。
- 既存のテキストベースの要約・トークン削減手法と比較して、より高い圧縮率を実現し、エージェントの注意散漫を防ぐ。
- Web検索エージェントを用いたQAタスクにおいて、トークン消費量を70〜89%削減し、実行時間を24〜56%短縮、かつ性能向上を達成。
2026-11-08
TimeCatcher: 非定常時系列のボラティリティを考慮した変分予測フレームワーク
TimeCatcher: A Variational Framework for Volatility-Aware Forecasting of Non-Stationary Time Series
出典:arXiv Core: Tabular, GBDT & Time-Series(Authors: Zhiyu Chen, Minhao Liu, Yanru Zhang | 2026-01-28)
- 従来の軽量MLPモデルは局所的な定常性を前提としており、急激な変動を伴う非定常時系列の長期予測に弱いという課題がある。
- 提案手法「TimeCatcher」は、変分エンコーダとボラティリティ認識拡張メカニズムを導入することで、潜在的な動的パターンと局所的な変動を捉える。
- 交通、金融、エネルギー、気象の9つの実データセットにおいて、SOTA(最先端)モデルを安定的に上回る性能を実証した。
2026-11-08
ガウス過程とTweedie尤度を用いた間欠的時系列の予測
Forecasting intermittent time series with Gaussian Processes and Tweedie likelihood
出典:arXiv Core: Tabular, GBDT & Time-Series(Authors: Stefano Damato, Dario Azzimonti, Giorgio Corani | 2025-02-26)
- 間欠的な時系列データ(ゼロ値が多いデータ)の確率的予測に、潜在関数としてガウス過程(GP)を採用。
- 負の二項分布(NegBinGP)に加え、ゼロの点質量と重い裾を両立するTweedie分布(TweedieGP)を初めて導入。
- 数千の時系列データを用いた評価の結果、提案モデルは既存手法を上回る一貫した予測精度を達成。
2026-11-08
潜在空間でのエージェント群による高速進化:SwarmEvolveによるプログラム探索の革新
SwarmEvolve: Latent Agent Swarms for Evolutionary Discovery and Optimization
出典:Hugging Face Daily Papers(Upvotes: 8 | arXiv:2611.08483)
- LLMをガイドとした進化探索において、エージェント群が「潜在空間(Latent Space)」で通信を行うSwarmEvolveを提案。
- 従来のテキストベースの思考連鎖(CoT)による反復を排除することで、推論コストと時間を劇的に削減(60分→3〜8分)。
- 数学的発見や科学計算におけるプログラム探索において、小型モデル(Qwen3 8B)でも最先端の性能を凌駕する。
2026-11-08
最適輸送の構造化正則化を用いた情報量の豊富なGAN
Informative GANs via Structured Regularization of Optimal Transport
出典:arXiv Core: Conformal, Calibration & Optimal Transport(Authors: Pierre Bréchet, Tao Wu, Thomas Möllenhoff et al. | 2019-12-04)
- GANにおける絡み合いのない(disentangled)表現学習を、正則化された最適輸送(OT)の観点から再定義。
- 輸送計画(transportation plan)に対する構造化正則化を導入し、特定の潜在空間が情報の抽出に寄与するように制約。
- 凸双対性を用いることで、情報の豊富な潜在次元においてスパース性を促す「摂動された基底コスト」としての等価な解釈を提示。
2026-11-08
低次元埋め込みを用いた最適輸送の効率的な推定
Efficient estimates of optimal transport via low-dimensional embeddings
出典:arXiv Core: Conformal, Calibration & Optimal Transport(Authors: Patric M. Fulop, Vincent Danos | 2021-11-08)
- 高次元データにおける最適輸送(OT)距離の計算コストを削減するための手法を提案。
- Paty et al. (2019) の低ランク投影手法を拡張し、1-Lipschitz性を満たすより一般的な写像の族を用いてOTを近似。
- 与えられた写像の族においてOTを最大化することで最良の推定値を得る手法を確立し、ニューラルネットワークを用いた実証を行う。
このページの要約は、収集パイプラインが自動生成した digest(要約)です。内容の正確なところは、必ず各項目の出典リンク先の原文で確認してください。出典の本文そのものは掲載していません。ジャンル分けも自動分類のため、周辺の話題が混ざることがあります。