論文解説：可逆関数推定の難しさ - 生成モデルを念頭に

奥野, 彰文; 今泉, 允聡

doi:10.51094/jxiv.616

##article.authors##

奥野, 彰文統計数理研究所統計思考院 https://researchmap.jp/aokuno
今泉, 允聡東京大学総合文化研究科 https://researchmap.jp/mimaizumi

DOI:

https://doi.org/10.51094/jxiv.616

キーワード:

可逆関数推定、一対一対応、生成モデル、制約の強さ、推定の難しさ

抄録

本稿は Electoronic Journal of Statistics に採択された我々の原著論文: Okuno and Imaizumi (2024) に関する解説です．解説の平易さを優先するため，より厳密な記述については原著論文をご参照ください．

利益相反に関する開示

本論文に関わる利益相反はありません．

ダウンロード *前日までの集計結果を表示します

ダウンロード実績データは、公開の翌日以降に作成されます。

引用文献

Daneri, S. and Pratelli, A. (2014). Smooth approximation of bi-Lipschitz orientation-preserving homeomorphisms. Annales de l’I.H.P. Analyse non lin´eaire, 31(3):567–589

Ishikawa, I., Teshima, T., Tojo, K., Oono, K., Ikeda, M., and Sugiyama, M. (2023). Universal approximation property of invertible neural networks. Journal of Machine Learning Research, 24(287):1–68

Okuno, A. and Imaizumi, M. (2024). Minimax analysis for inverse risk in nonparametric planer invertible regression. Electronic Journal of Statistics, 18(1):355–394

Teshima, T., Ishikawa, I., Tojo, K., Oono, K., Ikeda, M., and Sugiyama, M. (2020). Coupling-based invertible neural networks are universal diffeomorphism approximators. In Advances in Neural Information Processing Systems, volume 33, pages 3362–3373. Curran Associates, Inc