Fugu-MT 論文翻訳(概要): Projection pursuit based on Gaussian mixtures and evolutionary algorithms

論文の概要: Projection pursuit based on Gaussian mixtures and evolutionary algorithms

arxiv url: http://arxiv.org/abs/1912.12049v1
Date: Fri, 27 Dec 2019 10:25:41 GMT
ステータス: 処理完了
システム内更新日: 2023-06-09 23:43:48.351783
Title: Projection pursuit based on Gaussian mixtures and evolutionary algorithms
Title（参考訳）: ガウス混合と進化アルゴリズムに基づく射影追跡
Authors: Luca Scrucca and Alessio Serafini
Abstract要約: ガウス混合モデル(GMM)に基づく投影探索(PP)アルゴリズムを提案する。 PPに対するこの半パラメトリックアプローチは柔軟であり、高い情報的構造を検出できることを示す。提案手法の性能は人工データセットと実データセットの両方で示される。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a projection pursuit (PP) algorithm based on Gaussian mixture models (GMMs). The negentropy obtained from a multivariate density estimated by GMMs is adopted as the PP index to be maximised. For a fixed dimension of the projection subspace, the GMM-based density estimation is projected onto that subspace, where an approximation of the negentropy for Gaussian mixtures is computed. Then, Genetic Algorithms (GAs) are used to find the optimal, orthogonal projection basis by maximising the former approximation. We show that this semi-parametric approach to PP is flexible and allows highly informative structures to be detected, by projecting multivariate datasets onto a subspace, where the data can be feasibly visualised. The performance of the proposed approach is shown on both artificial and real datasets.
Abstract（参考訳）: ガウス混合モデル(GMM)に基づく投影探索(PP)アルゴリズムを提案する。 GMMによって推定される多変量密度から得られるネゲントロピーをPP指数として最大化する。射影部分空間の固定次元については、GMMに基づく密度推定がその部分空間に投影され、ガウス混合のネゲントロピーの近似が計算される。次に、遺伝的アルゴリズム(GA)を用いて、前者の近似を最大化し、最適な直交射影基底を求める。 PPに対するこの半パラメトリックなアプローチは柔軟であり、多変量データセットをサブスペースに投影することで、高い情報的構造を検出できることを示す。提案手法の性能は,人工データと実データの両方に示される。

関連論文リスト

Expected Information Gain Estimation via Density Approximations: Sample Allocation and Dimension Reduction [0.40964539027092906]
一般非線形/非ガウス的設定におけるEIG推定のためのフレキシブルトランスポートに基づくスキームを定式化する。この最適サンプル割り当てにより、得られたEIG推定器のMSEは標準ネストされたモンテカルロスキームよりも高速に収束することを示す。次に、パラメータを投影し、低次元部分空間に観測することで失われる相互情報の勾配に基づく上界を導出することにより、高次元でのEIGの推定に対処する。
論文参考訳（メタデータ） (2024-11-13T07:22:50Z)
Graph Laplacian-based Bayesian Multi-fidelity Modeling [1.383698759122035]
低忠実度データから構築されたグラフラプラシアンを用いて、多変量ガウス事前密度を定義する。共役可能性項を構築するために高忠実度データポイントはほとんど使われない。その結果、少数の高忠実度データを利用することで、多忠実度アプローチは大量の低忠実度データポイントの精度を大幅に向上させることができることを示した。
論文参考訳（メタデータ） (2024-09-12T16:51:55Z)
Differentially Private Optimization with Sparse Gradients [60.853074897282625]
微分プライベート(DP)最適化問題を個人勾配の空間性の下で検討する。これに基づいて、スパース勾配の凸最適化にほぼ最適な速度で純粋および近似DPアルゴリズムを得る。
論文参考訳（メタデータ） (2024-04-16T20:01:10Z)
GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis [70.24111297192057]
我々は、文字の新たなビューをリアルタイムに合成するための新しいアプローチ、GPS-Gaussianを提案する。提案手法は,スパースビューカメラ設定下での2K解像度のレンダリングを可能にする。
論文参考訳（メタデータ） (2023-12-04T18:59:55Z)
Manifold Gaussian Variational Bayes on the Precision Matrix [70.44024861252554]
複雑なモデルにおける変分推論(VI)の最適化アルゴリズムを提案する。本研究では,変分行列上の正定値制約を満たすガウス変分推論の効率的なアルゴリズムを開発した。 MGVBPはブラックボックスの性質のため、複雑なモデルにおけるVIのための準備が整ったソリューションである。
論文参考訳（メタデータ） (2022-10-26T10:12:31Z)
Sparse high-dimensional linear regression with a partitioned empirical Bayes ECM algorithm [62.997667081978825]
疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。提案手法はRパッケージプローブに実装されている。
論文参考訳（メタデータ） (2022-09-16T19:15:50Z)
Distributed Variational Bayesian Algorithms Over Sensor Networks [6.572330981878818]
一般ベイズ推論問題に対する2つの新しい分散VBアルゴリズムを提案する。提案アルゴリズムは、核融合センターで利用可能な全データに依存する集中型VBアルゴリズムとほぼ同等の性能を有する。
論文参考訳（メタデータ） (2020-11-27T08:12:18Z)
Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
論文参考訳（メタデータ） (2020-11-18T16:40:45Z)
Bayesian learning of orthogonal embeddings for multi-fidelity Gaussian Processes [3.564709604457361]
プロジェクション」マッピングは、事前未知と見なされる正則行列から成り、GPパラメータと共同で推論する必要がある。提案するフレームワークをGPを用いたマルチ忠実度モデルに拡張し,複数の出力を同時にトレーニングするシナリオを含む。提案手法の利点は, 産業用ガスタービン用最終段翼の3次元空力最適化に難渋するものである。
論文参考訳（メタデータ） (2020-08-05T22:28:53Z)
Two-Dimensional Semi-Nonnegative Matrix Factorization for Clustering [50.43424130281065]
TS-NMFと呼ばれる2次元(2次元)データに対する新しい半負行列分解法を提案する。前処理ステップで2次元データをベクトルに変換することで、データの空間情報に深刻なダメージを与える既存の手法の欠点を克服する。
論文参考訳（メタデータ） (2020-05-19T05:54:14Z)
A fast and efficient Modal EM algorithm for Gaussian mixtures [0.0]
クラスタリングへのモーダルアプローチでは、クラスタは基礎となる確率密度関数の局所的な最大値として定義される。モーダルEMアルゴリズムは、任意の密度関数の局所的な最大値を特定するイテレーティブな手順である。
論文参考訳（メタデータ） (2020-02-10T08:34:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。