論文の概要: Learning Inconsistent Preferences with Gaussian Processes

• arxiv url: http://arxiv.org/abs/2006.03847v3
• Date: Thu, 27 Jan 2022 21:15:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-24 21:07:47.436814
• Title: Learning Inconsistent Preferences with Gaussian Processes
• Title（参考訳）: ガウス過程による一貫性のない選好の学習
• Authors: Siu Lun Chau, Javier Gonz\'alez, Dino Sejdinovic
• Abstract要約: 我々は,Chuらによる優先的なガウス過程を再考し,潜在ユーティリティ関数の値を通じてデータ項目のランク付けを強制するモデル化の仮定に挑戦する。 本稿では、より表現力のある遅延優先構造をデータ中に捉えることのできるpgpの一般化を提案する。 実験結果から, ランキングビリティの侵害は, 現実の優先データにおいてユビキタスである可能性が示唆された。
• 参考スコア（独自算出の注目度）: 14.64963271587818
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We revisit widely used preferential Gaussian processes by Chu et al.(2005) and challenge their modelling assumption that imposes rankability of data items via latent utility function values. We propose a generalisation of pgp which can capture more expressive latent preferential structures in the data and thus be used to model inconsistent preferences, i.e. where transitivity is violated, or to discover clusters of comparable items via spectral decomposition of the learned preference functions. We also consider the properties of associated covariance kernel functions and its reproducing kernel Hilbert Space (RKHS), giving a simple construction that satisfies universality in the space of preference functions. Finally, we provide an extensive set of numerical experiments on simulated and real-world datasets showcasing the competitiveness of our proposed method with state-of-the-art. Our experimental findings support the conjecture that violations of rankability are ubiquitous in real-world preferential data.
• Abstract（参考訳）: 我々は Chu et al による優越的なガウス過程を再考した。 (2005) に挑戦し, 潜在効用関数値を介してデータ項目のランク付けを強制するモデル化仮定に挑戦した。 そこで我々は,データ中のより表現力のある遅延優先構造を捕捉し,不整合な選好をモデル化するpgpの一般化を提案し,また,遷移度に反する点をモデル化したり,学習された選好関数のスペクトル分解によって比較項目のクラスタを発見する。 また、共分散核関数とその再生成核ヒルベルト空間(rkhs)の性質も考慮し、選好関数の空間における普遍性を満たす単純な構成を与える。 最後に,提案手法と最先端技術との競合性を示すシミュレーションおよび実世界のデータセットに関する広範な数値実験を行った。 実験結果から, ランキングビリティの侵害は, 現実の優先データにおいてユビキタスである可能性が示唆された。

関連論文リスト

• Functional Linear Non-Gaussian Acyclic Model for Causal Discovery [7.303542369216906]
  我々は、fMRIとEEGデータセットを含む脳効果接続タスクにおける因果関係を識別するフレームワークを開発する。 非ガウス確率ベクトルと無限次元ヒルベルト空間のランダム関数の間の因果関係の同定可能性の理論的保証を確立する。 実データでは、fMRIデータから得られる脳の接続パターンを分析することに重点を置いている。
  論文  参考訳（メタデータ） (2024-01-17T23:27:48Z)
• Manifold Learning with Sparse Regularised Optimal Transport [0.17205106391379024]
  実世界のデータセットはノイズの多い観測とサンプリングを受けており、基礎となる多様体に関する情報を蒸留することが大きな課題である。 本稿では,2次正規化を用いた最適輸送の対称版を利用する多様体学習法を提案する。 得られたカーネルは連続的な極限においてLaplace型演算子と整合性を証明し、ヘテロスケダスティックノイズに対する堅牢性を確立し、これらの結果をシミュレーションで示す。
  論文  参考訳（メタデータ） (2023-07-19T08:05:46Z)
• Score-based Diffusion Models in Function Space [140.792362459734]
  拡散モデルは、最近、生成モデリングの強力なフレームワークとして登場した。 本稿では,関数空間における拡散モデルをトレーニングするためのDDO(Denoising Diffusion Operators)という,数学的に厳密なフレームワークを提案する。 データ解像度に依存しない固定コストで、対応する離散化アルゴリズムが正確なサンプルを生成することを示す。
  論文  参考訳（メタデータ） (2023-02-14T23:50:53Z)
• Experimental Design for Linear Functionals in Reproducing Kernel Hilbert Spaces [102.08678737900541]
  線形汎関数に対するバイアス認識設計のためのアルゴリズムを提供する。 準ガウス雑音下での固定および適応設計に対する漸近的でない信頼集合を導出する。
  論文  参考訳（メタデータ） (2022-05-26T20:56:25Z)
• Measuring dissimilarity with diffeomorphism invariance [94.02751799024684]
  DID(DID)は、幅広いデータ空間に適用可能なペアワイズな相似性尺度である。 我々は、DIDが理論的研究と実用に関係のある特性を享受していることを証明する。
  論文  参考訳（メタデータ） (2022-02-11T13:51:30Z)
• Data-Driven Reachability analysis and Support set Estimation with Christoffel Functions [8.183446952097528]
  動的システムの前方到達可能な集合を推定するためのアルゴリズムを提案する。 生成された推定は、経験的逆クリストッフェル函数と呼ばれる関数の部分レベル集合である。 到達可能性解析に加えて、確率変数の支持を推定する一般的な問題にも同様のアプローチを適用することができる。
  論文  参考訳（メタデータ） (2021-12-18T20:25:34Z)
• Partial Counterfactual Identification from Observational and Experimental Data [83.798237968683]
  観測データと実験データの任意の組み合わせから最適境界を近似する有効なモンテカルロアルゴリズムを開発した。 我々のアルゴリズムは、合成および実世界のデータセットに基づいて広範囲に検証されている。
  論文  参考訳（メタデータ） (2021-10-12T02:21:30Z)
• High-dimensional Functional Graphical Model Structure Learning via Neighborhood Selection Approach [15.334392442475115]
  機能的グラフィカルモデルの構造を推定するための近傍選択手法を提案する。 したがって、関数が無限次元であるときに存在しないような、明確に定義された精度作用素の必要性を回避することができる。
  論文  参考訳（メタデータ） (2021-05-06T07:38:50Z)
• Efficient Semi-Implicit Variational Inference [65.07058307271329]
  効率的でスケーラブルな半単純外挿 (SIVI) を提案する。 本手法はSIVIの証拠を低勾配値の厳密な推測にマッピングする。
  論文  参考訳（メタデータ） (2021-01-15T11:39:09Z)
• Fuzzy Integral = Contextual Linear Order Statistic [0.0]
  ファジィ積分は、幅広い応用において有用である強力なパラメトリック非線形関数である。 文脈線形次数統計の集合で表すことができることを示す。
  論文  参考訳（メタデータ） (2020-07-06T16:37:36Z)
• SLEIPNIR: Deterministic and Provably Accurate Feature Expansion for Gaussian Process Regression with Derivatives [86.01677297601624]
  本稿では,2次フーリエ特徴に基づく導関数によるGP回帰のスケーリング手法を提案する。 我々は、近似されたカーネルと近似された後部の両方に適用される決定論的、非漸近的、指数関数的に高速な崩壊誤差境界を証明した。
  論文  参考訳（メタデータ） (2020-03-05T14:33:20Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。