論文の概要: Wind Field Reconstruction with Adaptive Random Fourier Features
- arxiv url: http://arxiv.org/abs/2102.02365v1
- Date: Thu, 4 Feb 2021 01:42:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-05 18:04:28.570484
- Title: Wind Field Reconstruction with Adaptive Random Fourier Features
- Title(参考訳): 適応的ランダムフーリエ特徴を用いた風況復元
- Authors: Jonas Kiessling, Emanuel Str\"om and Ra\'ul Tempone
- Abstract要約: 本研究では, 空間的手法による水平近傍風況の再現について検討した。
物理的に動機付けられた発散ペナルティ用語 $|nabla cdot beta(pmb x)|2$ や、ソボレフノルムのペナルティも含んでいる。
最適分布の周波数をサンプリングする適応ハスティングアルゴリズムを考案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We investigate the use of spatial interpolation methods for reconstructing
the horizontal near-surface wind field given a sparse set of measurements. In
particular, random Fourier features is compared to a set of benchmark methods
including Kriging and Inverse distance weighting. Random Fourier features is a
linear model $\beta(\pmb x) = \sum_{k=1}^K \beta_k e^{i\omega_k \pmb x}$
approximating the velocity field, with frequencies $\omega_k$ randomly sampled
and amplitudes $\beta_k$ trained to minimize a loss function. We include a
physically motivated divergence penalty term $|\nabla \cdot \beta(\pmb x)|^2$,
as well as a penalty on the Sobolev norm. We derive a bound on the
generalization error and derive a sampling density that minimizes the bound.
Following (arXiv:2007.10683 [math.NA]), we devise an adaptive
Metropolis-Hastings algorithm for sampling the frequencies of the optimal
distribution. In our experiments, our random Fourier features model outperforms
the benchmark models.
- Abstract(参考訳): 本研究では, 空間補間法を用いて, 地表面近傍の水平風場を再現する手法について検討した。
特に、ランダムフーリエの特徴は、Krigingや逆距離重み付けを含む一連のベンチマーク手法と比較される。
Random Fourier feature is a linear model $\beta(\pmb x) = \sum_{k=1}^K \beta_k e^{i\omega_k \pmb x}$ approximating the velocity field, with frequency $\omega_k$ randomly sampled and amplitudes $\beta_k$ trained to minimal a loss function。
物理的に動機付けられた発散罰用語 $|\nabla \cdot \beta(\pmb x)|^2$ と、ソボレフノルム上のペナルティを含む。
我々は、一般化誤差の境界を導出し、境界を最小化するサンプリング密度を導出する。
次に(arxiv:2007.10683 [math.na])、最適分布の周波数をサンプリングするための適応メトロポリス・ハスティングスアルゴリズムを考案する。
我々の実験では、ランダムなフーリエ機能はベンチマークモデルよりも優れています。
関連論文リスト
- Model-adapted Fourier sampling for generative compressed sensing [7.130302992490975]
測定行列が一意行列からランダムにサブサンプリングされたとき, 生成的圧縮センシングについて検討した。
我々は,textitO(kd| boldsymbolalpha|_22)$の測定精度を改良したモデル適応サンプリング戦略を構築した。
論文 参考訳(メタデータ) (2023-10-08T03:13:16Z) - Stochastic optimal transport in Banach Spaces for regularized estimation
of multivariate quantiles [0.0]
絶対連続確率測度$mu$と$nu$の間のエントロピー最適輸送(EOT)を解く新しいアルゴリズムを提案する。
無限次元バナッハ空間でその値を取るアルゴリズムのほぼ確実に収束について研究する。
論文 参考訳(メタデータ) (2023-02-02T10:02:01Z) - Statistical Inference of Constrained Stochastic Optimization via
Sketched Sequential Quadratic Programming [59.36379287247961]
この問題を解決するために,完全オンライン逐次2次プログラミング(StoSQP)手法を開発した。
最近の数値二階法の設計により、StoSQPは任意のランダムなステップサイズを適応的に選択できる。
また,2次法の計算コストを大幅に削減するため,StoSQPはランダム化反復解法を用いて2次プログラムを不正確に解けるようにした。
論文 参考訳(メタデータ) (2022-05-27T00:34:03Z) - Approximate Function Evaluation via Multi-Armed Bandits [51.146684847667125]
既知の滑らかな関数 $f$ の値を未知の点 $boldsymbolmu in mathbbRn$ で推定する問題について検討する。
我々は、各座標の重要性に応じてサンプルを学習するインスタンス適応アルゴリズムを設計し、少なくとも1-delta$の確率で$epsilon$の正確な推定値である$f(boldsymbolmu)$を返す。
論文 参考訳(メタデータ) (2022-03-18T18:50:52Z) - Random quantum circuits transform local noise into global white noise [118.18170052022323]
低忠実度状態におけるノイズランダム量子回路の測定結果の分布について検討する。
十分に弱くユニタリな局所雑音に対して、一般的なノイズ回路インスタンスの出力分布$p_textnoisy$間の相関(線形クロスエントロピーベンチマークで測定)は指数関数的に減少する。
ノイズが不整合であれば、出力分布は、正確に同じ速度で均一分布の$p_textunif$に近づく。
論文 参考訳(メタデータ) (2021-11-29T19:26:28Z) - Efficient approximation of experimental Gaussian boson sampling [2.805766654291013]
最近の2つの目覚しい実験は、最大144個の出力モードで、プログラム不可能な線形干渉計としきい値検出器を備えたガウスボソンサンプリング(GBS)を行った。
ここでは、これらの実験よりも全変動距離とクルバック・リーブラーの偏差がよい古典的なサンプリングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-09-23T17:47:06Z) - Sharp Analysis of Random Fourier Features in Classification [9.383533125404755]
ランダムなフーリエ特徴分類が,Omega(sqrtn log n)$機能のみで,O(sqrtn)$学習率を達成できることを初めて示す。
論文 参考訳(メタデータ) (2021-09-22T09:49:27Z) - Optimal Robust Linear Regression in Nearly Linear Time [97.11565882347772]
学習者が生成モデル$Y = langle X,w* rangle + epsilon$から$n$のサンプルにアクセスできるような高次元頑健な線形回帰問題について検討する。
i) $X$ is L4-L2 hypercontractive, $mathbbE [XXtop]$ has bounded condition number and $epsilon$ has bounded variance, (ii) $X$ is sub-Gaussian with identity second moment and $epsilon$ is
論文 参考訳(メタデータ) (2020-07-16T06:44:44Z) - Tight Nonparametric Convergence Rates for Stochastic Gradient Descent
under the Noiseless Linear Model [0.0]
このモデルに基づく最小二乗リスクに対する1パス, 固定段差勾配勾配の収束度を解析した。
特殊な場合として、ランダムなサンプリング点における値のノイズのない観測から単位区間上の実関数を推定するオンラインアルゴリズムを解析する。
論文 参考訳(メタデータ) (2020-06-15T08:25:50Z) - Linear Time Sinkhorn Divergences using Positive Features [51.50788603386766]
エントロピー正則化で最適な輸送を解くには、ベクトルに繰り返し適用される$ntimes n$ kernel matrixを計算する必要がある。
代わりに、$c(x,y)=-logdotpvarphi(x)varphi(y)$ ここで$varphi$は、地上空間から正のorthant $RRr_+$への写像であり、$rll n$である。
論文 参考訳(メタデータ) (2020-06-12T10:21:40Z) - Non-Adaptive Adaptive Sampling on Turnstile Streams [57.619901304728366]
カラムサブセット選択、部分空間近似、射影クラスタリング、および空間サブリニアを$n$で使用するターンタイルストリームのボリュームに対する最初の相対エラーアルゴリズムを提供する。
我々の適応的なサンプリング手法は、様々なデータ要約問題に多くの応用をもたらしており、これは最先端を改善するか、より緩和された行列列モデルで以前に研究されただけである。
論文 参考訳(メタデータ) (2020-04-23T05:00:21Z)
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。