論文の概要: Learning Structures in Earth Observation Data with Gaussian Processes
- arxiv url: http://arxiv.org/abs/2012.11922v1
- Date: Tue, 22 Dec 2020 10:46:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-26 07:20:07.523491
- Title: Learning Structures in Earth Observation Data with Gaussian Processes
- Title（参考訳）: ガウス過程を持つ地球観測データの学習構造
- Authors: Fernando Mateo, Jordi Munoz-Mari, Valero Laparra, Jochem Verrelst,
Gustau Camps-Valls
- Abstract要約: 本稿では,この分野の主要な理論gp開発について概説する。
信号特性と雑音特性を尊重し、特徴ランキングを自動的に提供し、関連する不確かさ区間を適用可能にする新しいアルゴリズムについて論じる。
- 参考スコア（独自算出の注目度）: 67.27044745471207
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Gaussian Processes (GPs) has experienced tremendous success in geoscience in
general and for bio-geophysical parameter retrieval in the last years. GPs
constitute a solid Bayesian framework to formulate many function approximation
problems consistently. This paper reviews the main theoretical GP developments
in the field. We review new algorithms that respect the signal and noise
characteristics, that provide feature rankings automatically, and that allow
applicability of associated uncertainty intervals to transport GP models in
space and time. All these developments are illustrated in the field of
geoscience and remote sensing at a local and global scales through a set of
illustrative examples.
- Abstract（参考訳）: ガウス過程(GPs)は、地球科学全般と、過去数年間で生物物理パラメーターの検索において大きな成功を収めてきた。
gpsは多くの関数近似問題を一貫して定式化する固形ベイズフレームワークを構成する。
本稿では,この分野の主要な理論gp開発について概説する。
本稿では,信号特性と雑音特性を尊重する新しいアルゴリズムについて検討し,特徴ランキングを自動的に提供し,関連する不確かさ区間を空間的および時間的モデルに適用可能にする。
これらすべての発展は、地学とリモートセンシングの分野において、一組の図示的な例を通して、局所的およびグローバルなスケールで示される。
関連論文リスト
- Non-Gaussian Gaussian Processes for Few-Shot Regression [71.33730039795921]
乱変数ベクトルの各成分上で動作し,パラメータを全て共有する可逆なODEベースのマッピングを提案する。
NGGPは、様々なベンチマークとアプリケーションに対する競合する最先端のアプローチよりも優れています。
論文 参考訳（メタデータ） (2021-10-26T10:45:25Z) - Incremental Ensemble Gaussian Processes [53.3291389385672]
本稿では,EGPメタラーナーがGP学習者のインクリメンタルアンサンブル(IE-) GPフレームワークを提案し,それぞれが所定のカーネル辞書に属するユニークなカーネルを持つ。
各GP専門家は、ランダムな特徴ベースの近似を利用してオンライン予測とモデル更新を行い、そのスケーラビリティを生かし、EGPメタラーナーはデータ適応重みを生かし、熟練者ごとの予測を合成する。
新たなIE-GPは、EGPメタラーナーおよび各GP学習者内における構造化力学をモデル化することにより、時間変化関数に対応するように一般化される。
論文 参考訳（メタデータ） (2021-10-13T15:11:25Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳（メタデータ） (2021-02-15T10:37:52Z) - Deep Gaussian Processes for geophysical parameter retrieval [15.400481898772158]
本稿では,物理パラメータ探索のための深部ガウス過程(DGP)を紹介する。
標準フルgpモデルとは異なり、dgpは複雑な(モジュラーで階層的な)プロセスに対応しており、標準フルgpモデルよりも予測精度が向上している。
論文 参考訳（メタデータ） (2020-12-07T14:44:04Z) - Inter-domain Deep Gaussian Processes [45.28237107466283]
ドメイン間および深いガウス過程(DGP)の利点を組み合わせたドメイン間浅層GPの拡張を提案する。
提案手法は,DGPのドメイン間特徴量を用いて,既存の近似推論手法を用いて,シンプルでスケーラブルな近似推論を実現する方法を示す。
論文 参考訳（メタデータ） (2020-11-01T04:03:35Z) - Sparse Gaussian Process Variational Autoencoders [24.86751422740643]
既存のGP-DGMにおける推論のアプローチは、点に基づくスパースGP近似をサポートしない。
我々は,スパースGP近似のパラメータ化に部分的推論ネットワークを用いることで特徴付けられるスパースガウス過程変動オートエンコーダ(GP-VAE)を開発した。
論文 参考訳（メタデータ） (2020-10-20T10:19:56Z) - A Perspective on Gaussian Processes for Earth Observation [23.66931064985429]
空中・衛星リモートセンシングとその場観測による地球観測は、地球をモニタリングする上で重要な役割を担っている。
特に、機械学習とガウス過程(GP)は、生物地球物理変数の推定において際立った結果を得た。
前方および逆モデリングの大幅な進歩にもかかわらず、GPモデルは依然として重要な課題に直面しなければならない。
論文 参考訳（メタデータ） (2020-07-02T16:44:11Z) - Infinitely Wide Graph Convolutional Networks: Semi-supervised Learning
via Gaussian Processes [144.6048446370369]
グラフ畳み込みニューラルネットワーク(GCN)は近年,グラフに基づく半教師付き半教師付き分類において有望な結果を示した。
グラフに基づく半教師付き学習のためのGCN(GPGC)を用いたGP回帰モデルを提案する。
GPGCを評価するための広範囲な実験を行い、他の最先端手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-02-26T10:02:32Z) - Ensemble of Sparse Gaussian Process Experts for Implicit Surface Mapping
with Streaming Data [13.56926815833324]
我々は、既知のポーズを持つ範囲データのストリームから、環境のコンパクトで連続的な暗黙の表面マップを学習する。
GPモデルに到着するすべてのデータを挿入する代わりに、モデルの複雑さと予測エラーの間に鮮やかにトレードオフがあります。
その結果、異なる条件下で、コンパクトで正確な暗黙曲面モデルを学習できることが示唆された。
論文 参考訳（メタデータ） (2020-02-12T11:06:48Z)
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。