論文の概要: A probabilistic Taylor expansion with Gaussian processes
- arxiv url: http://arxiv.org/abs/2102.00877v2
- Date: Mon, 28 Aug 2023 07:41:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-30 02:22:44.068278
- Title: A probabilistic Taylor expansion with Gaussian processes
- Title(参考訳): ガウス過程を持つ確率的テイラー展開
- 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。
我々はTaylorカーネルのパラメータの最大推定について議論し、いくつかの結果を証明した。
- 参考スコア(独自算出の注目度): 8.840147522046651
- 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 consist 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. We discuss and prove some results on
maximum likelihood estimation of parameters of Taylor kernels. The proposed
framework is a special case of Gaussian process regression based on data that
is orthogonal in the reproducing kernel Hilbert space of the covariance kernel.
- 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と、それ以前の共分散核はテイラー核のクラスに属しており、これはあるパワー級数形式で書ける。
本稿では,Taylorカーネルのパラメータの最大推定結果について論じる。
提案された枠組みは、共分散核の再生核ヒルベルト空間で直交するデータに基づくガウス過程の回帰の特別な場合である。
関連論文リスト
- On the Approximation of Kernel functions [0.0]
論文はカーネル自体の近似に対処する。
単位立方体上のヒルベルト・ガウス核に対して、この論文は関連する固有関数の上界を確立する。
この改良により、Nystr"om法のような低階近似法が確かめられる。
論文 参考訳(メタデータ) (2024-03-11T13:50:07Z) - Gaussian Process Regression under Computational and Epistemic
Misspecification [5.393695255603843]
大規模データアプリケーションでは、カーネルの低ランクあるいはスパース近似を用いて計算コストを削減できる。
本稿では,そのようなカーネル近似が要素誤差に与える影響について検討する。
論文 参考訳(メタデータ) (2023-12-14T18:53:32Z) - Wiener Chaos in Kernel Regression: Towards Untangling Aleatoric and
Epistemic Uncertainty [0.0]
非ガウス計測雑音によるカーネルリッジの回帰について検討する。
数値的な例としてシステムを考えると、我々の手法はヒルベルトとアレタリックの不確実性の影響を解き放つことができる。
論文 参考訳(メタデータ) (2023-12-12T16:02:35Z) - Curvature-Independent Last-Iterate Convergence for Games on Riemannian
Manifolds [77.4346324549323]
本研究では, 多様体の曲率に依存しないステップサイズが, 曲率非依存かつ直線的最終点収束率を達成することを示す。
我々の知る限りでは、曲率非依存率や/または最終点収束の可能性はこれまでに検討されていない。
論文 参考訳(メタデータ) (2023-06-29T01:20:44Z) - Gaussian Processes on Distributions based on Regularized Optimal
Transport [2.905751301655124]
最適正則輸送の双対定式化に基づく確率測度空間上の新しいカーネルを提案する。
この構成がヒルベルトノルムを用いて有効なカーネルを得ることを可能にすることを証明している。
このカーネルに基づくガウス過程の挙動に関する理論的保証を提供する。
論文 参考訳(メタデータ) (2022-10-12T20:30:23Z) - Experimental Design for Linear Functionals in Reproducing Kernel Hilbert
Spaces [102.08678737900541]
線形汎関数に対するバイアス認識設計のためのアルゴリズムを提供する。
準ガウス雑音下での固定および適応設計に対する漸近的でない信頼集合を導出する。
論文 参考訳(メタデータ) (2022-05-26T20:56:25Z) - 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) - Optimal policy evaluation using kernel-based temporal difference methods [78.83926562536791]
カーネルヒルベルト空間を用いて、無限水平割引マルコフ報酬過程の値関数を推定する。
我々は、関連するカーネル演算子の固有値に明示的に依存した誤差の非漸近上界を導出する。
MRP のサブクラスに対する minimax の下位境界を証明する。
論文 参考訳(メタデータ) (2021-09-24T14:48:20Z) - A Note on Optimizing Distributions using Kernel Mean Embeddings [94.96262888797257]
カーネル平均埋め込みは、その無限次元平均埋め込みによる確率測度を表す。
カーネルが特徴的である場合、カーネルの総和密度を持つ分布は密度が高いことを示す。
有限サンプル設定でそのような分布を最適化するアルゴリズムを提供する。
論文 参考訳(メタデータ) (2021-06-18T08:33:45Z) - 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) - Advanced Stationary and Non-Stationary Kernel Designs for Domain-Aware
Gaussian Processes [0.0]
再生カーネルヒルベルト空間(RKHS)の要素である所望の特性を持つ関数のみを許容する先進カーネル設計を提案する。
いくつかの合成および2つの科学的データセットを用いて、先進的なカーネル設計がガウス過程に与える影響を示す。
論文 参考訳(メタデータ) (2021-02-05T22:07:56Z)
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。