論文の概要: Bayesian learning of orthogonal embeddings for multi-fidelity Gaussian
Processes
- arxiv url: http://arxiv.org/abs/2008.02386v1
- Date: Wed, 5 Aug 2020 22:28:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 17:54:06.923956
- Title: Bayesian learning of orthogonal embeddings for multi-fidelity Gaussian
Processes
- Title(参考訳): 多忠実ガウス過程に対する直交埋め込みのベイズ学習
- Authors: Panagiotis Tsilifis, Piyush Pandita, Sayan Ghosh, Valeria Andreoli,
Thomas Vandeputte, Liping Wang
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 3.564709604457361
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a Bayesian approach to identify optimal transformations that map
model input points to low dimensional latent variables. The "projection"
mapping consists of an orthonormal matrix that is considered a priori unknown
and needs to be inferred jointly with the GP parameters, conditioned on the
available training data. The proposed Bayesian inference scheme relies on a
two-step iterative algorithm that samples from the marginal posteriors of the
GP parameters and the projection matrix respectively, both using Markov Chain
Monte Carlo (MCMC) sampling. In order to take into account the orthogonality
constraints imposed on the orthonormal projection matrix, a Geodesic Monte
Carlo sampling algorithm is employed, that is suitable for exploiting
probability measures on manifolds. We extend the proposed framework to
multi-fidelity models using GPs including the scenarios of training multiple
outputs together. We validate our framework on three synthetic problems with a
known lower-dimensional subspace. The benefits of our proposed framework, are
illustrated on the computationally challenging three-dimensional aerodynamic
optimization of a last-stage blade for an industrial gas turbine, where we
study the effect of an 85-dimensional airfoil shape parameterization on two
output quantities of interest, specifically on the aerodynamic efficiency and
the degree of reaction.
- Abstract(参考訳): モデル入力点を低次元の潜在変数に写像する最適変換をベイズ法で同定する。
投影」マッピングは、事前不明と見なされ、利用可能なトレーニングデータに基づいてGPパラメータと共同で推論する必要がある正則行列からなる。
提案したベイズ推論スキームは,それぞれGPパラメータの辺縁部分と投射行列から,マルコフ・チェイン・モンテカルロ(MCMC)サンプリングを用いてサンプリングする2段階反復アルゴリズムに依存している。
正規直交射影行列に課される直交性制約を考慮するために、多様体上の確率測度を利用するのに適した測地的モンテカルロサンプリングアルゴリズムを用いる。
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。
我々は、既知の低次元部分空間を持つ3つの合成問題の枠組みを検証する。
提案手法の利点は, 産業用ガスタービン用最終段羽根の3次元空力最適化の計算的挑戦に基づくものであり, 85次元翼形状パラメータ化が2つの出力量, 特に空力効率と反応度に及ぼす影響について検討する。
関連論文リスト
- GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for
Real-time Human Novel View Synthesis [73.7634042008412]
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) - Chebyshev Particles [0.0]
まず、対象の後方分布を無限次元ユークリッド空間におけるサンプルの写像として考える。
重み付けされたリース分極量を最大化して、ペアの相互作用により、補正可能な部分多様体を識別する新しい基準を提案する。
我々は,合成データを用いた線形状態空間モデルと実世界のデータを用いた非線形ボラティリティモデルを用いたパラメータ推論実験により,高い性能を実現した。
論文 参考訳(メタデータ) (2023-09-10T16:40:30Z) - Object based Bayesian full-waveform inversion for shear elastography [0.0]
組織中の異常画像のせん断エラストグラフィーにおける不確かさを定量化する計算手法を開発した。
パラメータフィールドの後方確率は異常の幾何とそのせん断率を表わす。
滑らかで不規則な形状の合成2次元試験に対するアプローチを実証する。
論文 参考訳(メタデータ) (2023-05-11T08:25:25Z) - Gaussian process regression and conditional Karhunen-Lo\'{e}ve models
for data assimilation in inverse problems [68.8204255655161]
偏微分方程式モデルにおけるデータ同化とパラメータ推定のためのモデル逆アルゴリズムCKLEMAPを提案する。
CKLEMAP法は標準的なMAP法に比べてスケーラビリティがよい。
論文 参考訳(メタデータ) (2023-01-26T18:14:12Z) - 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) - Counting Phases and Faces Using Bayesian Thermodynamic Integration [77.34726150561087]
本稿では,2パラメータ統計力学系における熱力学関数と位相境界の再構成手法を提案する。
提案手法を用いて,IsingモデルとTASEPの分割関数と位相図を正確に再構成する。
論文 参考訳(メタデータ) (2022-05-18T17:11:23Z) - Manifold learning-based polynomial chaos expansions for high-dimensional
surrogate models [0.0]
システム記述における不確実性定量化(UQ)のための多様体学習に基づく手法を提案する。
提案手法は高精度な近似を達成でき、UQタスクの大幅な高速化につながる。
論文 参考訳(メタデータ) (2021-07-21T00:24:15Z) - Bayesian multiscale deep generative model for the solution of
high-dimensional inverse problems [0.0]
深層確率的生成モデルに基づく新しいマルチスケールベイズ推論手法が導入された。
この方法は、安定性、効率、精度を示しながら、高次元パラメータ推定を可能にする。
論文 参考訳(メタデータ) (2021-02-04T11:47:21Z) - Estimation of Switched Markov Polynomial NARX models [75.91002178647165]
非線形自己回帰(NARX)成分を特徴とするハイブリッド力学系のモデル群を同定する。
提案手法は, 特定の回帰器を持つ3つの非線形サブモデルからなるSMNARX問題に対して実証される。
論文 参考訳(メタデータ) (2020-09-29T15:00:47Z) - Distributed Averaging Methods for Randomized Second Order Optimization [54.51566432934556]
我々はヘッセン語の形成が計算的に困難であり、通信がボトルネックとなる分散最適化問題を考察する。
我々は、ヘッセンのサンプリングとスケッチを用いたランダム化二階最適化のための非バイアスパラメータ平均化手法を開発した。
また、不均一なコンピューティングシステムのための非バイアス分散最適化フレームワークを導入するために、二階平均化手法のフレームワークを拡張した。
論文 参考訳(メタデータ) (2020-02-16T09:01:18Z) - Projection pursuit based on Gaussian mixtures and evolutionary
algorithms [0.0]
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。
論文 参考訳(メタデータ) (2019-12-27T10:25:41Z)
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。