論文の概要: Consistent regression of biophysical parameters with kernel methods
- arxiv url: http://arxiv.org/abs/2012.04922v1
- Date: Wed, 9 Dec 2020 08:59:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-16 02:08:52.457736
- Title: Consistent regression of biophysical parameters with kernel methods
- Title(参考訳): カーネル法による生体物理パラメータの連続回帰
- Authors: Emiliano D\'iaz, Adri\'an P\'erez-Suay, Valero Laparra, Gustau
Camps-Valls
- Abstract要約: 本稿では,一貫性制約を組み込むための新しい統計的回帰フレームワークを提案する。
クロロフィル含量の推定における性能の解明に成功している。
- 参考スコア(独自算出の注目度): 10.355562369122241
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper introduces a novel statistical regression framework that allows
the incorporation of consistency constraints. A linear and nonlinear
(kernel-based) formulation are introduced, and both imply closed-form
analytical solutions. The models exploit all the information from a set of
drivers while being maximally independent of a set of auxiliary, protected
variables. We successfully illustrate the performance in the estimation of
chlorophyll content.
- Abstract(参考訳): 本稿では,一貫性制約を組み込むための新しい統計的回帰フレームワークを提案する。
線形および非線形(カーネルベース)な定式化が導入され、どちらも閉形式解析解である。
モデルは、補助的かつ保護された変数のセットから最大独立なまま、ドライバのセットからのすべての情報を利用する。
クロロフィル含量の推定における性能の解明に成功している。
関連論文リスト
- Finite Sample Confidence Regions for Linear Regression Parameters Using
Arbitrary Predictors [1.6860963320038902]
線形モデルのパラメータに対する信頼領域を構築するための新しい手法を任意の予測器からの予測を用いて検討する。
導出された信頼領域は、混合線形プログラミングフレームワーク内の制約としてキャストすることができ、線形目的の最適化を可能にする。
従来の手法とは異なり、信頼領域は空であり、仮説テストに使用できる。
論文 参考訳(メタデータ) (2024-01-27T00:15:48Z) - Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。
既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文 参考訳(メタデータ) (2023-09-28T13:04:11Z) - RIGID: Robust Linear Regression with Missing Data [7.638042073679073]
機能に欠落したエントリで線形回帰を行うための堅牢なフレームワークを提案する。
本稿では,変数間の依存性を自然に考慮した定式化が,凸プログラムに還元されることを示す。
詳細な分析に加えて,提案するフレームワークの挙動を分析し,技術的議論を行う。
論文 参考訳(メタデータ) (2022-05-26T21:10:17Z) - Youla-REN: Learning Nonlinear Feedback Policies with Robust Stability
Guarantees [5.71097144710995]
本稿では,最近開発されたニューラルネットワークアーキテクチャ上に構築された不確実性システムに対する非線形制御器のパラメータ化について述べる。
提案したフレームワークは、安定性の保証、すなわち、検索空間におけるすべてのポリシーが、契約(グローバルに指数関数的に安定した)クローズドループシステムをもたらすことを保証する。
論文 参考訳(メタデータ) (2021-12-02T13:52:37Z) - Statistical Finite Elements via Langevin Dynamics [0.8602553195689513]
我々はLangevin dynamics を用いて statFEM forward problem を解き、Unadjusted Langevin algorithm (ULA) の有用性について研究する。
ULAはMetropolis-free Markov chain Monte Carlo sampler(英語版)であり、この他の難解な指標のサンプルベースの特徴付けを構築する。
我々は,Kulback-Leibler 分岐における先行および後続の収束,および Wasserstein-2 におけるプリコンディショニングの効果を理論的に保証する。
論文 参考訳(メタデータ) (2021-10-21T13:30:41Z) - Estimation of Bivariate Structural Causal Models by Variational Gaussian
Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
因果機構は構造因果モデルによって記述できる。
最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
論文 参考訳(メタデータ) (2021-09-06T14:52:58Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳(メタデータ) (2021-02-12T12:23:13Z) - Nonlinear Independent Component Analysis for Continuous-Time Signals [85.59763606620938]
このプロセスの混合物の観察から多次元音源過程を復元する古典的問題を考察する。
このリカバリは、この混合物が十分に微分可能で可逆な関数によって与えられる場合、多くの一般的なプロセスのモデル(座標の順序と単調スケーリングまで)に対して可能であることを示す。
論文 参考訳(メタデータ) (2021-02-04T20:28:44Z) - Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。
本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。
このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
論文 参考訳(メタデータ) (2020-09-29T12:50:33Z) - Accounting for Unobserved Confounding in Domain Generalization [107.0464488046289]
本稿では,データセットの組み合わせから頑健で一般化可能な予測モデルを学習する際の問題点について検討する。
堅牢なモデルを学ぶことの課題の一部は、保存されていない共同設立者の影響にある。
異なるモダリティの医療データに対するアプローチの実証的性能を実証する。
論文 参考訳(メタデータ) (2020-07-21T08:18:06Z) - Stochastic Variational Bayesian Inference for a Nonlinear Forward Model [2.578242050187029]
変分ベイズ(VB)は、データから非線形モデルの文脈における後部分布の計算を容易にするために用いられる。
以前は、加法ガウス雑音を伴うデータに対する非線形モデル推論のために、VBの分析的定式化が導出されてきた。
ここでは、解析的定式化に必要な近似の一部を回避した解が導出される。
論文 参考訳(メタデータ) (2020-07-03T13:30:50Z)
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。