Fugu-MT 論文翻訳(概要): Numerical issues in maximum likelihood parameter estimation for Gaussian process regression

論文の概要: Numerical issues in maximum likelihood parameter estimation for Gaussian process regression

arxiv url: http://arxiv.org/abs/2101.09747v1
Date: Sun, 24 Jan 2021 16:30:55 GMT
ステータス: 処理完了
システム内更新日: 2021-03-16 09:16:35.260108
Title: Numerical issues in maximum likelihood parameter estimation for Gaussian process regression
Title（参考訳）: ガウス過程回帰における最大度パラメータ推定の数値問題
Authors: Subhasish Basak, S\'ebastien Petit, Julien Bect, Emmanuel Vazquez
Abstract要約: 本稿は,数値問題の起源を調査し,単純かつ効果的な改善戦略を提供する。この研究は基本的な問題をターゲットにしているが、特にベイズ最適化の文献における多くの研究は、既製のGPR実装に依存している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This article focuses on numerical issues in maximum likelihood parameter estimation for Gaussian process regression (GPR). This article investigates the origin of the numerical issues and provides simple but effective improvement strategies. This work targets a basic problem but a host of studies, particularly in the literature of Bayesian optimization, rely on off-the-shelf GPR implementations. For the conclusions of these studies to be reliable and reproducible, robust GPR implementations are critical.
Abstract（参考訳）: 本稿では,ガウス過程回帰(GPR)の最大パラメータ推定における数値問題に着目する。本稿は,数値問題の起源を調査し,単純かつ効果的な改善戦略を提供する。この研究は基本的な問題をターゲットにしているが、特にベイズ最適化の文献における多くの研究は、既製のGPR実装に依存している。これらの研究の結論が信頼性と再現性を持つためには、堅牢なGPR実装が不可欠です。