כתבה
arXiv cs.LG ·
שיטת חילוק לאסטימציה של חוק קצה של SDE
A Splitting Method for SDE Terminal-Law Estimation
במאמר זה, נחקרה שיטת חילוק לאסטימציה של חוק קצה של SDE, שמטרתה לשפר יעילות ודיוק בהפקת דגימות מחולקות. השיטה כוללת שני שלבים: שלב הערכה ושלב סיווג. התוצאות התאורטיות הביאו להבנה יפה של המבנה התת-יוני של הבעיה. במחקר זה, נצפה שיפור של 10-25% בטור האמצעי של השגיאה על ידי שיטה זו בהשוואה לדגימות עצמאיות. במחקר זה, נצפה שיפור של 8-13% בטור האמצעי של השגיאה על ידי שיטה זו בהשוואה לדגימות עצמאיות.
תקציר מקורי באנגליתarXiv:2609.12513v1 Announce Type: cross Abstract: In many settings involving stochastic differential equations, including in diffusion based generative AI, our aim is to accurately generate samples from a terminal distribution. Typically, this is done by generating i.i.d. samples of diffusion paths. Given a fixed simulation budget, a reasonable way to gain efficiency may be to instead generate a tree of paths through appropriately split partial paths. This suggests improved performance, but one worries about the injected dependence. In this paper, we study this issue comprehensively. With Kolmogorov-Smirnov distance as a measure of accuracy, we identify the limiting errors of the associated empirical distributions as the simulation budget increases to infinity. We characterize a splitting
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית