Bayesian inference theory via Wasserstein distributional distances
연구 내용
Wasserstein 지표를 사용하여 사후분포의 일관성과 수렴률을 규명하고 분포-비용 기반 부등식을 통해 베이지안 추론의 성능을 정량적으로 보장하는 연구입니다
Wasserstein metric과 총변동 거리, IPM 형태의 확률 거리 사이의 관계를 중심으로 베이지안 사후분포의 수렴과 안정성을 분석합니다. 사전분포의 지지에서 필요한 모멘트·꼬리 조건을 정리하고, Wasserstein 차수에 연동되는 충분조건을 통해 일관성과 수렴 거동을 도출합니다. 또한 Sobolev 또는 Besov 공간에서의 부등식과 reverse inequality를 결합하여 매끈한 밀도에서의 상계/하계 구조를 세분화합니다. 이를 통해 분포 추정 문제에서 Wasserstein 관점의 이론적 기반을 제공합니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
2건
연구 흐름
초기에는 매끈한 밀도에서 총변동 거리와 Wasserstein 거리 사이의 상계를 제시하여 분포 간 거리 해석의 기초를 확보했습니다. 이후 Wasserstein metric 상에서 사후분포의 비대칭적 성질을 다루며, 모멘트 및 꼬리 조건이 일관성과 수렴률을 좌우함을 체계화했습니다. 2024~2025년에는 다변수 밀도에 대한 Wasserstein 관련 상계와 Besov 공간 조건을 확장하고, integral probability metrics에 대한 reverse inequality로 거리 관점의 정밀도를 높였습니다. 현재는 Wasserstein 기반 부등식을 베이지안 성능 보증으로 연결하는 방향으로 연구를 수행합니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Wasserstein upper bounds of the total variation for smooth densities
Posterior asymptotics in Wasserstein metrics on the real line
Wasserstein upper bounds of <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" altimg="si2.svg" display="inline" id="d1e23"><mml:msup><mml:mrow><mml:mi>L</mml:mi></mml:mrow><mml:mrow><mml:mi>p</mml:mi></mml:mrow></mml:msup></mml:math>-norms for multivariate densities in Besov spaces
On reverse inequalities for Besov integral probability metrics between smooth densities
관련 프로젝트
구분
제목
베이지안 학습법에 관한 통계 이론 연구
베이지안 학습법에 관한 통계 이론 연구