論文の概要: A Probabilistic Taylor Expansion with Applications in Filtering and Differential Equations

• arxiv url: http://arxiv.org/abs/2102.00877v1
• Date: Mon, 1 Feb 2021 14:36:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-04 09:53:14.769828
• Title: A Probabilistic Taylor Expansion with Applications in Filtering and Differential Equations
• Title（参考訳）: 確率的テイラー展開とフィルタリングおよび微分方程式への応用
• Authors: Toni Karvonen, Jon Cockayne, Filip Tronarp, Simo S\"arkk\"a
• Abstract要約: 我々は、後進平均が特定のデータ選択に対して、任意の順序の切り詰められたテイラー展開を複製するガウス過程のクラスを研究する。 これにより、一階および二階テイラー展開を利用する様々なアルゴリズムにおける不確実性を統計的にモデル化することができる。
• 参考スコア（独自算出の注目度）: 9.634859579172254
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study a class of Gaussian processes for which the posterior mean, for a particular choice of data, replicates a truncated Taylor expansion of any order. The data consists of derivative evaluations at the expansion point and the prior covariance kernel belongs to the class of Taylor kernels, which can be written in a certain power series form. This permits statistical modelling of the uncertainty in a variety of algorithms that exploit first and second order Taylor expansions. To demonstrate the utility of this Gaussian process model we introduce new probabilistic versions of the classical extended Kalman filter for non-linear state estimation and the Euler method for solving ordinary differential equations.
• Abstract（参考訳）: 我々は、後進平均が特定のデータ選択に対して、任意の順序の切り詰められたテイラー展開を複製するガウス過程のクラスを研究する。 データは、拡張点における微分評価から成り、以前の共分散カーネルはテイラー核のクラスに属しており、特定の電源系列形式で記述することができる。 これにより、1次および2次テイラー展開を利用する様々なアルゴリズムの不確かさを統計的にモデル化することができる。 このガウス過程モデルの有用性を実証するために、非線形状態推定のための古典的拡張カルマンフィルタの新しい確率バージョンと、通常の微分方程式を解くオイラー法を導入する。

関連論文リスト

• Restoration-Degradation Beyond Linear Diffusions: A Non-Asymptotic Analysis For DDIM-Type Samplers [90.45898746733397]
  本研究では拡散生成モデルに用いる決定論的サンプリング器の非漸近解析のためのフレームワークを開発する。 確率フローODEに沿った1ステップは,1) 条件付き対数線上を無限に先行して上昇する回復ステップ,2) 雑音を現在の勾配に向けて前向きに進行する劣化ステップの2段階で表すことができる。
  論文  参考訳（メタデータ） (2023-03-06T18:59:19Z)
• Gaussian Process regression over discrete probability measures: on the non-stationarity relation between Euclidean and Wasserstein Squared Exponential Kernels [0.19116784879310028]
  ワッサーシュタイン型2乗指数核とユークリッド型指数核の非定常性関係について検討した。 入力空間をユークリッドとして非定常およびワッサーシュタインに基づくガウス過程モデルに変換するために変換が用いられる。
  論文  参考訳（メタデータ） (2022-12-02T17:09:52Z)
• Generalised Bayesian Inference for Discrete Intractable Likelihood [7.70406430636194]
  本稿では、離散的難易度に適した新しい一般化されたベイズ推論手法を開発する。 連続データに対する最近の方法論的な進歩にインスパイアされた主なアイデアは、離散的なフィッシャー分岐を用いてモデルパラメータに関する信念を更新することである。 一般化された後部の統計的性質は、後部の一貫性と正規性を確立するのに十分な条件で解析される。
  論文  参考訳（メタデータ） (2022-06-16T19:36:17Z)
• Bayesian Discrete Conditional Transformation Models [0.0]
  本稿では,応答の条件変換に基づく離散順序数とカウントデータのための新しいベイズモデルフレームワークを提案する。 数え上げ応答に対して、結果の変換モデルはベイズ完全パラメトリックであるが分布自由なアプローチである。 推論は、ジェネリックモジュラー・マルコフ連鎖モンテカルロアルゴリズムによって行われる。
  論文  参考訳（メタデータ） (2022-05-17T19:26:43Z)
• Local Random Feature Approximations of the Gaussian Kernel [14.230653042112834]
  本稿では,一般的なガウスカーネルと,ランダムな特徴近似を用いてカーネルベースモデルを線形化する手法に着目する。 このような手法は、高周波データをモデル化する際、悪い結果をもたらすことを示すとともに、カーネル近似と下流性能を大幅に改善する新たなローカライズ手法を提案する。
  論文  参考訳（メタデータ） (2022-04-12T09:52:36Z)
• Gaussian Processes and Statistical Decision-making in Non-Euclidean Spaces [96.53463532832939]
  我々はガウス過程の適用性を高める技術を開発した。 この観点から構築した効率的な近似を幅広く導入する。 非ユークリッド空間上のガウス過程モデルの集合を開発する。
  論文  参考訳（メタデータ） (2022-02-22T01:42:57Z)
• Last-Iterate Convergence of Saddle Point Optimizers via High-Resolution Differential Equations [83.81435198149667]
  OGDA (Optimistic Gradient Descent Ascent) のHRDEは, 一般単調変分不等式に対する最終点収束性を示す。 我々は, 単調作用素の1次滑らかさのみに依存するOGDA法の最適収束率を示す。
  論文  参考訳（メタデータ） (2021-12-27T18:31:34Z)
• Scalable Variational Gaussian Processes via Harmonic Kernel Decomposition [54.07797071198249]
  汎用性を維持しつつ高い忠実度近似を提供する,スケーラブルな変分ガウス過程近似を導入する。 様々な回帰問題や分類問題において,本手法は変換やリフレクションなどの入力空間対称性を活用できることを実証する。 提案手法は, 純粋なGPモデルのうち, CIFAR-10 の最先端化を実現する。
  論文  参考訳（メタデータ） (2021-06-10T18:17:57Z)
• 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)
• Gaussianization Flows [113.79542218282282]
  そこで本研究では,サンプル生成における効率のよい繰り返しと効率のよい逆変換を両立できる新しい型正規化フローモデルを提案する。 この保証された表現性のため、サンプル生成の効率を損なうことなく、マルチモーダルなターゲット分布をキャプチャできる。
  論文  参考訳（メタデータ） (2020-03-04T08:15:06Z)
• Taylor Moment Expansion for Continuous-Discrete Gaussian Filtering and Smoothing [6.305016513788047]
  本稿ではテイラーモーメント拡張(TME)ガウスフィルタを提案する。 フィルタとスムーズさは、推定精度と数値安定性の観点から、最先端の手法を著しく上回る。
  論文  参考訳（メタデータ） (2020-01-08T11:59:59Z)

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。