論文の概要: Deep Gaussian Processes for Biogeophysical Parameter Retrieval and Model Inversion

• arxiv url: http://arxiv.org/abs/2104.10638v1
• Date: Fri, 16 Apr 2021 10:42:01 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-03 19:45:52.938998
• Title: Deep Gaussian Processes for Biogeophysical Parameter Retrieval and Model Inversion
• Title（参考訳）: 生物物理パラメータ検索とモデルインバージョンのための深いガウス過程
• Authors: Daniel Heestermans Svendsen, Pablo Morales-Alvarez, Ana Belen Ruescas, Rafael Molina, Gustau Camps-Valls
• Abstract要約: 本稿では,生物地球物理モデルインバージョンにおける深部ガウス過程 (DGP) の利用について紹介する。 浅いGPモデルとは異なり、DGPは複雑な(モジュラーで階層的な)プロセスを説明し、大きなデータセットによくスケールする効率的なソリューションを提供する。
• 参考スコア（独自算出の注目度）: 14.097477944789484
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Parameter retrieval and model inversion are key problems in remote sensing and Earth observation. Currently, different approximations exist: a direct, yet costly, inversion of radiative transfer models (RTMs); the statistical inversion with in situ data that often results in problems with extrapolation outside the study area; and the most widely adopted hybrid modeling by which statistical models, mostly nonlinear and non-parametric machine learning algorithms, are applied to invert RTM simulations. We will focus on the latter. Among the different existing algorithms, in the last decade kernel based methods, and Gaussian Processes (GPs) in particular, have provided useful and informative solutions to such RTM inversion problems. This is in large part due to the confidence intervals they provide, and their predictive accuracy. However, RTMs are very complex, highly nonlinear, and typically hierarchical models, so that often a shallow GP model cannot capture complex feature relations for inversion. This motivates the use of deeper hierarchical architectures, while still preserving the desirable properties of GPs. This paper introduces the use of deep Gaussian Processes (DGPs) for bio-geo-physical model inversion. Unlike shallow GP models, DGPs account for complicated (modular, hierarchical) processes, provide an efficient solution that scales well to big datasets, and improve prediction accuracy over their single layer counterpart. In the experimental section, we provide empirical evidence of performance for the estimation of surface temperature and dew point temperature from infrared sounding data, as well as for the prediction of chlorophyll content, inorganic suspended matter, and coloured dissolved matter from multispectral data acquired by the Sentinel-3 OLCI sensor. The presented methodology allows for more expressive forms of GPs in remote sensing model inversion problems.
• Abstract（参考訳）: パラメータ検索とモデル反転はリモートセンシングと地球観測の重要な問題である。 現在、様々な近似が存在する: 直接的かつ費用がかかる放射移動モデル(RTM)の逆転、研究領域外の外挿問題にしばしば生じるin situデータによる統計的逆転、統計モデル(主に非線形および非パラメトリック機械学習アルゴリズム)を逆RTMシミュレーションに適用した最も広く採用されているハイブリッドモデリングである。 私たちは後者に集中します。 既存のアルゴリズムのうち、過去10年間にカーネルベースの手法、特にガウス過程(GP)は、そのようなRTM反転問題に対して有用かつ有益な解決策を提供してきた。 これは主に、彼らが提供する信頼区間と予測精度のためである。 しかし、RTMは非常に複雑で、非常に非線形で、典型的には階層的なモデルであるため、浅いGPモデルでは反転の複雑な特徴関係を捉えることができない。 これはgpsの望ましい特性を維持しながら、より深い階層アーキテクチャの使用を動機付ける。 本稿では,生物地球物理モデルインバージョンにおける深部ガウス過程(DGP)の利用について紹介する。 浅いGPモデルとは異なり、DGPは複雑な(モジュラーで階層的な)プロセスを説明し、大きなデータセットによく対応し、単一の層に対して予測精度を向上させる効率的なソリューションを提供する。 実験部では,赤外線観測データから表面温度と露点温度を推定し,センチネル-3 olciセンサで取得した多スペクトルデータからクロロフィル含量,無機懸濁物,着色溶解物を予測するための性能の実証的な証拠を提供する。 提案手法は, リモートセンシングモデルインバージョン問題において, より表現力のある形状のgpsを実現する。

関連論文リスト

• Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
  シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。 本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。 提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
  論文  参考訳（メタデータ） (2024-04-11T09:23:36Z)
• Sparse Variational Contaminated Noise Gaussian Process Regression with Applications in Geomagnetic Perturbations Forecasting [4.675221539472143]
  大規模なデータセットに正規ノイズが汚染されたスパースガウス過程回帰モデルを適用するためのスケーラブルな推論アルゴリズムを提案する。 提案手法は, 人工ニューラルネットワークベースラインと比較して, 類似のカバレッジと精度の予測間隔が短いことを示す。
  論文  参考訳（メタデータ） (2024-02-27T15:08:57Z)
• Gradient-enhanced deep Gaussian processes for multifidelity modelling [0.0]
  マルチファイダリティモデルは、複数のソースからのデータを統合して、基礎となるプロセスのための単一の近似器を生成する。 ディープガウス過程(GP)は、非パラメトリックで、オーバーフィッティングに頑健で、小さなデータセットでうまく機能するため、多忠実なモデリングには魅力的である。
  論文  参考訳（メタデータ） (2024-02-25T11:08:19Z)
• Model-Based Reparameterization Policy Gradient Methods: Theory and Practical Algorithms [88.74308282658133]
  Reization (RP) Policy Gradient Methods (PGM) は、ロボット工学やコンピュータグラフィックスにおける連続的な制御タスクに広く採用されている。 近年の研究では、長期強化学習問題に適用した場合、モデルベースRP PGMはカオス的かつ非滑らかな最適化環境を経験する可能性があることが示されている。 本稿では,長期モデルアンロールによる爆発的分散問題を緩和するスペクトル正規化法を提案する。
  論文  参考訳（メタデータ） (2023-10-30T18:43:21Z)
• Probabilistic Unrolling: Scalable, Inverse-Free Maximum Likelihood Estimation for Latent Gaussian Models [69.22568644711113]
  我々は,モンテカルロサンプリングと反復線形解法を組み合わせた確率的アンローリングを導入し,行列逆転を回避した。 理論的解析により,解法の繰り返しによる解法の解法と逆転が最大値推定の勾配推定を高速化することを示した。 シミュレーションおよび実データ実験において、確率的アンロールは、モデル性能の損失を最小限に抑えながら、勾配EMよりも桁違いに高速な潜在ガウスモデルを学習することを示した。
  論文  参考訳（メタデータ） (2023-06-05T21:08:34Z)
• Conditional variational autoencoder with Gaussian process regression recognition for parametric models [0.0]
  本稿では,ガウス過程回帰認識(CVAE-GPRR)を用いたCVAEの枠組みを提案する。 CVAE-GPRRはCVAEと同様の精度を達成できるが、パラメータは少ない。 CVAE-GPRRはCVAEの過適合問題を緩和する可能性が示唆された。
  論文  参考訳（メタデータ） (2023-05-16T17:24:28Z)
• FaDIn: Fast Discretized Inference for Hawkes Processes with General Parametric Kernels [82.53569355337586]
  この研究は、有限なサポートを持つ一般パラメトリックカーネルを用いた時間点プロセス推論の効率的な解を提供する。 脳磁図(MEG)により記録された脳信号からの刺激誘発パターンの発生をモデル化し,その有効性を評価する。 その結果,提案手法により,最先端技術よりもパターン遅延の推定精度が向上することが示唆された。
  論文  参考訳（メタデータ） (2022-10-10T12:35:02Z)
• Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements [62.997667081978825]
  脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。 我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。 次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
  論文  参考訳（メタデータ） (2021-11-15T09:08:27Z)
• 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)
• Warped Gaussian Processes in Remote Sensing Parameter Estimation and Causal Inference [7.811118301686077]
  マルチスペクトルデータから海洋クロロフィル含有量を推定するための提案モデルの良好な性能を示す。 モデルは標準GPおよびより高度のheteroscedastic GPモデルより一貫してよく実行します。
  論文  参考訳（メタデータ） (2020-12-09T09:02:59Z)
• 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)

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。