arXiv:2606.22770v1 cs.LG

조건부 독립을 넘어선 Schrödinger Bridge 기반 통계적 매칭

Statistical Matching via Schrödinger Bridge beyond Conditional Independence

Eunho Koo, Tongseok Lim, Jinwon Sohn

제출 2026-06-22

한국어 초록

통계적 매칭(statistical matching)은 공변량 $X$를 공유하지만 목표 변수 $Y$와 보조 변수 $Z$를 각각 별도로 관측하는 부분적으로 겹치는 데이터셋을 결합한다. 고전적 접근법은 일반적으로 조건부 독립 가정(conditional independence assumption, CIA)을 사용하는데, 이는 문제를 식별 가능하게 만들지만 근본적으로 $X$가 알려진 이후에는 가져온 보조 변수가 $Y$에 대한 추가적인 예측력을 제공하지 않는다는 것을 의미한다. 이 잠재적인 $Y$--$Z$ 종속성을 포착하기 위해, 우리는 예측적 통계적 매칭을 위한 새로운 종속성 인식(dependency-aware) Schrödinger bridge를 제안한다. 우리의 접근법은 운송(transportation) 기반 호환성 비용으로 보수적인 CIA 기준선을 기울여 두 분리된 데이터베이스를 결합하고, 정보가 있는 결합 분포를 복원한다. 그 결과로 얻어진 통계적 학습 프레임워크는 양방향 대치(imputation)를 위한 완전한 확률적 사후 규칙을 제공한다. 이론적으로, 학습된 bridge가 CIA 기준선 대비 엄격히 개선되는 충분 조건을 확립하고, 적절한 비용 하에서 가우시안 설정에서 정확한 결합 복원 보장을 함께 제시한다. 합성 벤치마크와 실제 데이터셋(CelebA 및 Adult)에 걸쳐, 우리는 종속성 인식 완성(completion)이 하류 예측 유용성을 일관되게 개선함을 보이며, 기저 모집단이 강한 $Y$--$Z$ 종속성을 보이는 데이터 재코딩(data recoding)과 같은 설정에서 특히 유익함을 입증한다.

원문 초록

Statistical matching combines partially overlapping datasets that share covariates $X$ but observe the target $Y$ and auxiliary variables $Z$ separately. Classical approaches typically invoke the conditional independence assumption (CIA), which makes the problem identifiable but fundamentally implies that the imported auxiliary variable provides no additional predictive power for $Y$ once $X$ is known. To capture this latent $Y$--$Z$ dependence, we propose a novel dependency-aware Schrödinger bridge for predictive statistical matching. Our approach couples the two separated databases by tilting the conservative CIA baseline with a transportation-based compatibility cost, recovering an informative joint distribution. The resulting statistical learning framework yields full probabilistic posterior rules for bidirectional imputation. Theoretically, we establish a sufficient condition under which the learned bridge strictly improves over the CIA baseline, alongside an exact joint recovery guarantee in the Gaussian setting under an appropriate cost. Across synthetic benchmarks and real-world datasets (CelebA and Adult), we demonstrate that our dependency-aware completion consistently improves downstream predictive utility, proving especially beneficial in settings like data recoding where the underlying population exhibits strong $Y$--$Z$ dependence.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2606.22770v1제출 시각 미확인

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2607.24140v1cs.CV공통 태그 Density Estimation, Imputation

확률적 역학을 통한 이미지 인페인팅

Image Inpainting via Stochastic Dynamics

이미지 인페인팅은 구조적 일관성을 유지하면서 결손 영역을 복원하는 것을 목표로 한다. 본 연구는 데이터 기반 확률적 역학에 근거한, 신경망 학습 없이 동작하는 비모수적 방법을 제안한다. 마스킹된 이미지에서 출발하여, 결손 픽셀은 참조 데이터셋에서 직접 추정한 커널 가중 보정이 적용된 역시간 확률 미분 방정식을 통해 진화한다. 이 경험적 보정은 신경망을 학습하거나 모수적 밀도 모델을 적합하지 않고도, 재구성을 데이터 분포의 고밀도 영역으로 유도한다. MNIST, Fashion-MNIST, MVTec에서의 실험 결과, 제안 방법은 PSNR, SSIM, 시각적 품질 측면에서 Mean Fill, Telea, Navier-Stokes 인페인팅을 능가한다. CelebA에서는 경쟁력 있는 성능을 유지하며, 구조에 민감한 가림에 대해서도 그럴듯한 복원 결과를 생성한다. 이러한 결과는 이미지 인페인팅을 위한 비모수적 사전(prior)으로서 경험적 참조 통계의 효과를 보여준다.

arXiv:2607.13929v1cs.LG공통 태그 Density Estimation, Prediction

VAIOM: 연속 입력·이산 출력 디코더 전용 금융 시퀀스 모델링

VAIOM: Continuous-Input, Discrete-Output Decoder-Only Financial Sequence Modeling

금융 관측값은 연속적이고 이질적이며 노이즈가 많은 반면, 디코더 전용 next-token 모델은 보통 이산적 기호 입력을 중심으로 구축된다. 우리는 1시간 외환 바에서 다음 수익률의 확률적 모델링을 위한 디코더 전용 트랜스포머인 순서형 수익률 모델링을 위한 벡터 입력 자회귀 추론(Vector-Input Autoregressive Inference for Ordinal-Return Modeling, VAIOM)을 제안한다. VAIOM은 입력 표현과 출력 가능도를 분리한다. 연속 다변량 금융 이벤트 벡터는 입력에서 수치 구조를 보존하고, 다음 변동성 정규화 수익률 버킷에 대한 범주형 분포는 교차 엔트로피 학습과 가능도 평가를 지원한다. 선별된 0.9M Hybrid Continuous Input 모델은 연속 이벤트 특징과 범주형 자산 메타데이터, Mixture-of-Market-States 수익률 헤드, Gap·변동성 체제·Ordinal 보조 목적 함수, 및 전체 시퀀스 지도 학습을 결합한다. 모델과 전처리는 2024년 이전 Train 데이터로 적합되며, 모델은 2024H2 Validation에서 선택되고 두 2025 Test 기간에서 재적합 없이 평가된다. 세 개의 독립적 학습 시드에 걸쳐 모든 모델은 두 Test 반기 모두에서 고정 단일 바 LightGBM 기준선을 능가한다. 표준 체크포인트에서 LightGBM 대비 쌍(pair) 이득은 이벤트당 0.029 및 0.043비트이다. 검증 실험은 동일한 범주형 수익률 목적 함수 하에서 연속 입력이 이산 토큰 입력보다 우수하고, 전체 시퀀스 지도 학습이 마지막 위치 학습보다 우수하며, 통제된 비교에서 보조 표현 형성과 혼합 구조화 수익률 헤드가 수익률 가능도를 향상시킴을 보여준다. 뒷받침 용량 연구는 현재 코퍼스에서 평가된 가장 작은 완전 아키텍처 단계가 가장 높은 검증 가능도를 달성함을 밝힌다.

arXiv:2607.07767v1stat.ML공통 태그 Density Estimation, Imputation

양반정 커널 밀도 추정을 통한 분포 충실 결측값 대체

Distributionally Faithful Imputation via Positive Semi-Definite Kernel Density Estimation

결측값은 통계적 추론과 머신러닝 파이프라인을 저해하지만, 대부분의 대체 방법은 결합 데이터 분포를 무시하는 휴리스틱이나 제한적인 모수적 가정에 의존한다. 우리는 완전 무작위 결측(MCAR, missing completely at random) 하에서의 대체를 마스킹된 관측으로부터의 밀도 추정으로 재정의한다: 관측된 주변 분포가 데이터의 것과 정확히 일치하는 분포를 추정하는 것이다. 양반정(PSD, positive semi-definite) 커널 밀도를 활용함으로써 뉴턴 내점법(Newton interior point method)으로 풀 수 있는, 닫힌 형식의 주변 분포를 갖는 볼록 경험적 위험 문제를 도출한다. 결과적인 PSD Impute 모델은 동일하게 적합된 밀도로부터 단일 및 다중 대체를 모두 제공하며, 매우 규칙적인 확률에 대해 차원의 저주를 극복하는 빠른 적응적 초과 위험을 통해 통계적 일관성을 갖는다. 하나의 합성 데이터셋과 열한 개의 실제 데이터셋에 대한 예비 실험은 널리 사용되는 대체 기준선(baseline)과 비교하여 경쟁력 있는 분포 정확도를 이미 보여주며, 강력한 실용적 가능성을 시사한다.

arXiv:2607.08202v1cs.LG공통 태그 Density Estimation, Prediction

PIT-SUN: 추천 시스템 회귀를 위한 기댓값 일관성 복원 기반의 배포 가능한 경험적 주변 변환 프레임워크

PIT-SUN: A Deployable Empirical Marginal Transform Framework with Expectation-Consistent Recovery for Regression in Recommender Systems

원래 공간의 조건부 기댓값 추정은 체류 시간, GMV, LTV 예측 등 가치 기반 추천 시스템의 핵심 과제이다. 표준 MSE는 원칙적으로 기댓값 일관성을 갖추고 있으나, 헤비테일·영 과잉(zero-inflated)·다봉 분포 타깃에서 기울기가 불안정해져 평균 붕괴(mean collapse)와 꼬리 축소(tail shrinkage)를 유발한다. 타깃 변환은 이러한 스케일 충돌을 완화하지만, 유용한 비선형 주변 변환은 직접 역변환 시 기댓값 일관성을 잃는다. 이는 구현 상의 실수가 아니다. 직접 역변환 추정기가 보편적으로 기댓값 일관성을 갖기 위해서는 역변환이 아핀(affine)이어야 하며, 이는 유계 꼬리 압축과 동시에 달성될 수 없다. 기존의 조건부 선형 복원 방법들은 기댓값 일관성을 회복하지만, 희소하고 복잡한 주변 분포에 대해 어떤 좌표, 역분위수 조회, 복원 기저, 배포 모니터를 선택해야 하는지는 여전히 열린 문제로 남아 있다. 본 논문은 배포 가능한 경험적 주변 복원 프레임워크인 확률 적분 변환 기반 불편 복원(Probability-Integral-TranSformed Unbiased recovery, PIT-SUN)을 제안한다. PIT-SUN은 하나의 경험적 주변 테이블을 이용해 유계 정규 점수 좌표, 역분위수 조회, 분산 제어 복원 기저, 드리프트 모니터링을 정의하고, 변환된 예측을 직접 역변환하는 대신 승산적 SUN 복원을 적용하여 원래 공간의 기댓값을 추정한다. 합성 분포, 공개 벤치마크, 대규모 산업 데이터셋, 온라인 배포 실험에서 경량의 배포 오버헤드로 포인트 정확도, 캘리브레이션, 랭킹 품질 전반에 걸쳐 안정적인 성능 향상이 확인되었다.

arXiv:2607.06111v1eess.SY공통 태그 Prediction, Imputation

신뢰할 수 있는 산업 공정 추론을 위한 대규모 언어 모델 기반 측정 신뢰도 보정

LLM-Guided Measurement Credibility Correction for Trustworthy Industrial Process Inference

산업 예측과 소프트 센싱(soft sensing)은 신뢰할 수 있는 입력 측정값에 의존한다. 현장 배포 환경에서 예측기는 편향되거나, 지연되거나, 오래되었거나, 파생된 측정값을 수신할 수 있으며, 이러한 측정값들은 여전히 그럴듯하게 보일 수 있다. 입력 윈도우가 더 이상 실제 공정을 대표하지 않기 때문에, 예측 백본(forecasting backbone)이 주된 한계가 되기 전에 예측이 실패할 수 있다. 센서 재구성, 데이터 조정(data reconciliation), 결함 허용 소프트 센싱은 이 위험을 줄이지만, 이들은 종종 수치적 상관관계, 경보, 결함 레이블, 또는 명시적인 공정 방정식에 의존한다. 이러한 가정들이 항상 가용한 것은 아니다. 변수들이 계측기, 파생 수식, 소프트 센싱 체인, 또는 제어 동작을 공유하는 경우, 상관된 변수도 안전하지 않은 참조가 될 수 있다. 핵심 과제는 예측 전에 어떤 외부 측정값이 현재 측정값을 신뢰할 수 있게 뒷받침할 수 있는지를 결정하는 것이다. 이 문제를 해결하기 위해, 본 논문은 대규모 언어 모델(LLM) 기반 측정 신뢰도 보정(LLM-Guided Measurement Credibility Correction, MCC)을 제안한다. MCC는 공정 문서에 있는 측정값의 의미를 수치 모델이 활용할 수 있는 측정 의미론(measurement semantics)으로 변환한다. 의미론적으로 검증된 외부 측정값으로부터 독립적인 공정 참조값을 구축하고, 예측 전에 지역적 측정값 충돌을 보정한다. 따라서 예측기는 더 신뢰할 수 있는 입력 윈도우를 수신하게 된다. 여러 복잡한 산업용 예측 및 소프트 센싱 과제에 걸쳐, +MCC는 실제 테스트 프로토콜에서 평균 상대 MAE를 30.7%, 제어된 오염 프로토콜에서 80.3% 감소시킨다. 0.5~2.0k의 온라인 파라미터만 추가되며, 가장 느린 +MCC 추론 시간은 0.089 ms/스텝이다. 이러한 결과는 측정 의미론이 공정 문서를 경량의 추론 전 신뢰도 보정 수단으로 전환하고 예측 정확도를 향상시킬 수 있음을 보여준다.

arXiv:2609.26705v2quant-ph공통 태그 Density Estimation

보손 가우시안 상태는 언제 고전적으로 학습할 수 있는가?

When are bosonic Gaussian states classical to learn?

물리학의 근본적인 질문 중 하나는 양자계에서 고전적 거동이 언제 나타나는가이다. 보손 가우시안 상태(bosonic Gaussian state)는 빛의 고전적 장(field) 거동과 본질적인 양자적 성질을 모두 포착하므로, 이러한 양자-고전 경계를 탐구하기에 자연스러운 환경을 제공한다. 본 연구에서는 학습 이론의 관점에서 이 문제를 다루며 다음과 같이 묻는다. 보손 가우시안 상태는 언제 고전적으로 학습할 수 있는가? 즉, n-모드 보손 가우시안 상태를 고전적인 2n변량 가우시안 분포를 학습할 때 필요한 만큼 적은 샘플과 그만큼 단순한 연산으로 학습할 수 있는 조건은 (있다면) 무엇인가? 우리는 상태의 열적 요동(thermal fluctuation)에 의해 결정되는 학습 가능성의 매끄러운 크로스오버를 규명한다. - 차가운 가우시안 상태는 학습 측면에서 비고전적이다. 공분산 행렬이 $\Sigma\le(\frac12+O(\frac1n))I$를 만족하여 진공 공분산에 가까운 경우, 단일 복사본(single-copy, 즉 얽힘이 없는) 측정 하의 토모그래피(tomography)는 근본적으로 $\Omega(n^3)$개의 복사본을 필요로 하며, 이는 고전적 가우시안 분포를 학습하는 샘플 복잡도 $\Theta(n^2)$를 엄밀하게 초과한다. 우리는 소수 복사본에 대한 얽힘 측정이 허용되더라도 이러한 어려움이 지속됨을 보인다. - 따뜻한 가우시안 상태는 학습 측면에서 고전적이다. 열적 요동이 진공 잡음을 초과하여 임의의 매개변수 $\nu>0$에 대해 $\Sigma\ge(\frac12+\nu)I$로 나타내지는 경우, 단일 복사본 토모그래피에는 $N=\Theta\left(n^2\min(n,1+\nu^{-1})\right)$개의 복사본이 필요함을 증명한다. 이 한계는 타이트(tight)하며, 단순하고 비적응적(non-adaptive)이며 얽힘이 없는 헤테로다인(heterodyne) 측정으로 달성된다. 특히 $\nu=\Omega(1)$인 경우 샘플 복잡도는 $\Theta(n^2)$로 줄어들어 고전적인 경우와 일치한다. 우리의 결과는 보손 가우시안 상태의 학습 가능성에서 나타나는 양자-고전 크로스오버를 엄밀하게 규명하고, 근본 물리학과 통계적 학습 이론 사이의 새로운 연결고리를 드러내며, 실제 센싱 실험에도 시사점을 가진다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.