KNOWLEDGE VAULT — TAG
タグ「最適輸送」
収蔵 9件
2026-11-17
因果推論における「事実と反事実」の同時学習によるPFNの精度向上と不確実性評価
Joint Learning of Factual and Counterfactual Worlds for Causal Prior-data Fitted Networks
出典:arXiv cs.LG (Machine Learning)(Authors: Furkan Danisman, Luke Zhang, Zhijing Jin et al. | 2026-11-15)
- 因果効果推定において、事実(Factual)と反事実(Counterfactual)の同時分布を学習する新しいPFN(Prior-data fitted Networks)の枠組みを提案。
- 既存の因果PFNが抱えていた「各ユニットの単一世界への依存」を打破し、両世界間の相関を保持することで、点推定および不確実性評価の精度を大幅に向上。
- 合成データから実世界への転移を前提とした設定において、特に個別の処置効果(ITE)の密度推定や平均処置効果(ATE)の不確実性を含む推定に威力を発揮する。
2026-11-08
スライス付き多周辺最適輸送(Sliced Multi-Marginal Optimal Transport)
Sliced Multi-Marginal Optimal Transport
出典:arXiv Core: Conformal, Calibration & Optimal Transport(Authors: Samuel Cohen, Alexander Terenin, Yannik Pitcan et al. | 2021-02-14)
- 多周辺最適輸送(MMOT)を、計算コストを抑えるために1次元へのランダム投影を用いた「スライス付き多周辺ワッサースタイン距離」として再定義。
- 提案手法は標準的なワッサースタイン距離と同じ位相を誘導する(generalized)距離であり、理論的な整合性を保持。
- 高次元データにおいて、サンプル複雑性が次元に依存しない(dimension-free)という極めて優れたスケーラビリティを証明。
2026-11-08
Sinkhorn-Flow: 最適輸送を用いた動的システムにおける確率質量流の予測
Sinkhorn-Flow: Predicting Probability Mass Flow in Dynamical Systems Using Optimal Transport
出典:arXiv Core: Conformal, Calibration & Optimal Transport(Authors: Mukul Bhutani, J. Zico Kolter | 2023-03-14)
- 時系列予測において、単なる次時刻の分布予測ではなく、要素間の「確率質量の移動(フロー)」を捉える重要性を提示。
- 標準的なSoftmax層をSinkhorn反復に置き換えることで、エンドツーエンドの深層学習システム内で輸送行列を直接予測する手法を提案。
- ソーシャルネットワークのコミュニティ進化やウクライナ議会の投票行動予測において、従来手法を大幅に上回る精度を実証。
2026-11-08
忘却は消去ではない:輸送キー(Transport Keys)による潜在知識の復元
Forgetting is Not Erasure: Recovering Latent Knowledge via Transport Keys
出典:arXiv Core: Conformal, Calibration & Optimal Transport(Authors: Archie Chaudhury | 2026-06-01)
- 破滅的忘却は知識の完全な消去ではなく、学習過程における内部表現の「インターフェースの乖離(drift)」に起因すると主張。
- 「モデル・スチッチング」という評価プロトコルを用い、更新後のネットワークの初期層と更新前のネットワークの後期層を結合して検証。
- 「輸送キー(Transport Keys)」というコンパクトなインターフェース調整演算子を導入することで、過去のタスクの知識を高い精度で復元可能。
2026-11-08
三角形輸送(Triangular Transport)への親しみやすい導入
A friendly introduction to triangular transport
出典:arXiv Core: Conformal, Calibration & Optimal Transport(Authors: Maximilian Ramgraber, Daniel Sharp, Mathieu Le Provost et al. | 2025-03-27)
- 複雑なシステムにおける不確実性の表現を、単純で既知の分布からの変換として近似する「三角形輸送マップ」を提案。
- 三角形輸送の特有の構造により、数学的・計算的な利便性が保証され、実用的な問題解決に適している。
- 密度推定、生成モデリング、ベイズ推論、データ同化、最適実験設計など幅広いタスクへの応用が可能。
2026-11-08
ファイバーワイズ最適輸送を用いたモデル認識型スケジュールによる生成精度の向上
Model-Aware Schedules Improve Generation via Fiberwise Optimal Transport
出典:arXiv Core: Conformal, Calibration & Optimal Transport(Authors: Luyi Jia, Boyan Zhang, Yilun Liu et al. | 2026-09-10)
- 拡散モデルやフローマッチングにおける信号・ノイズ係数のスケジュールを、モデルの予測誤差を考慮した「モデル認識型」へ拡張。
- 最適輸送(Optimal Transport)の概念を応用し、特定の時間と状態における信号・ノイズの分解を「ファイバー」として定義。
- 係数パスの運動エネルギー(Kinetic Action)とファイバー内での予測リスクを組み合わせることで、閉形式(Closed-form)での最適な時間配分を導出。
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。
2026-11-08
デノイジングオートエンコーダの輸送解析:深層ニューラルネットワークを分析するための新しい手法
Transportation analysis of denoising autoencoders: a novel method for analyzing deep neural networks
出典:arXiv Core: Conformal, Calibration & Optimal Transport(Authors: Sho Sonoda, Noboru Murata | 2017-12-12)
- 深層ニューラルネットワーク(DNN)の内部表現(特徴マップ)を、輸送写像(Transport Map)として捉えることで、複雑なパラメータ構造を幾何学的に解析する手法を提案。
- 入力と出力の次元が異なる場合でも、両者を共通の高次元空間に埋め込むことで輸送問題として定式化可能であることを示した。
- 軌跡を幾何学的オブジェクトとして扱うことで、パラメータ化に依存しないDNNの普遍的な特性(輸送ダイナミクス)を抽出する。
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。