arXiv雑要約
AI - 2026/04/21 公開
ベイジアンタッカー分解を用いた教師なし特徴選択 [stat.ML, cs.LG]目的：教師なし特徴選択
- データ解析において，重要な特徴を抽出することは，モデルの精度向上や解釈性の向上に不可欠である。
- 従来の教師なし特徴選択手法は，データ構造を十分に捉えきれない場合があり，最適な特徴選択が困難である。
- 本研究は，ベイジアンタッカー分解を用いることで，よりロバストかつ高精度な教師なし特徴選択を実現することを目指す。
- 提案手法であるベイジアンタッカー分解（BTuD）は，ガウス分布を仮定することで，従来のタッカー分解に匹敵する性能を発揮する。
- 合成データ，ランダム結合強度を持つグローバル結合マップ，遺伝子発現プロファイルに対し，BTuDを用いた教師なし特徴選択が成功した。
- 本研究で提案する教師なし特徴選択法は有望であり，既存のタッカー分解に基づく手法と整合性があることが示唆された。
ワンショット生成フロー：存在と阻害要因 [stat.ML, cs.LG, math.PR]目的：生成モデリングにおける動的測度輸送の存在と限界
- 生成モデルは，複雑なデータ分布の学習とサンプリングに不可欠であり，その性能向上は重要な課題である。
- 既存の生成フローは，計算コストや安定性の問題があり，効率的な学習方法が求められている。
- 独立なエンドポイントを持つ生成フローの存在条件を理論的に解明し，効率的な生成フロー設計の指針を提供する。
- 独立なエンドポイントを持つ生成フローが，ガウス分布においては常に存在することが示された。
- モードが十分に離れた分布においては，直線的な生成フローは存在しないことが証明された。
- 生成フローのサンプルパスの挙動と，フローマップの時空幾何学の間に根本的な関係があることが明らかになった。