論文の概要: Hida-Mat\'ern Kernel
- arxiv url: http://arxiv.org/abs/2107.07098v1
- Date: Thu, 15 Jul 2021 03:25:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-17 02:40:06.702965
- Title: Hida-Mat\'ern Kernel
- Title(参考訳): Hida-Mat\'ern Kernel
- Authors: Matthew Dowling, Piotr Sok\'o{\l}, Il Memming Park
- Abstract要約: 定常ガウス・マルコフ過程の全空間上の共分散関数の正準族であるヒルダ・マタン核のクラスを示す。
カーネルとそのデリバティブのみを用いて状態空間モデルのようなプロセスを表現する方法を示す。
また,状態空間表現の特殊特性を活用することで,計算複雑性のさらなる低減に加えて,数値安定性の向上がもたらされることを示す。
- 参考スコア(独自算出の注目度): 8.594140167290098
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present the class of Hida-Mat\'ern kernels, which is the canonical family
of covariance functions over the entire space of stationary Gauss-Markov
Processes. It extends upon Mat\'ern kernels, by allowing for flexible
construction of priors over processes with oscillatory components. Any
stationary kernel, including the widely used squared-exponential and spectral
mixture kernels, are either directly within this class or are appropriate
asymptotic limits, demonstrating the generality of this class. Taking advantage
of its Markovian nature we show how to represent such processes as state space
models using only the kernel and its derivatives. In turn this allows us to
perform Gaussian Process inference more efficiently and side step the usual
computational burdens. We also show how exploiting special properties of the
state space representation enables improved numerical stability in addition to
further reductions of computational complexity.
- Abstract(参考訳): 定常ガウス・マルコフ過程の全空間上の共分散関数の標準族である hida-mat\'ern kernel のクラスを示す。
mat\'ernカーネル上で拡張され、振動成分を持つプロセス上でのプリエントを柔軟に構築できる。
広く使われている2乗指数およびスペクトル混合核を含む任意の定常核は、このクラス内または適切な漸近極限であり、このクラスの一般性を示している。
マルコフの性質を生かして、カーネルとそのデリバティブのみを用いて状態空間モデルのようなプロセスを表現する方法を示す。
これにより、より効率的にガウス過程の推論を行い、通常の計算負荷を回避できる。
また, 状態空間表現の特殊性を活用すれば, 計算複雑性のさらなる低減に加えて, 数値安定性が向上することを示す。
関連論文リスト
- Stationary Kernels and Gaussian Processes on Lie Groups and their
Homogeneous Spaces II: non-compact symmetric spaces [63.79710443490585]
対称性は、考慮できる事前情報の最も基本的な形態の1つである。
本研究では,非ユークリッド空間の非常に大きなクラス上に定常ガウス過程を構築するための構築的および実践的手法を開発する。
論文 参考訳(メタデータ) (2023-01-30T17:27:12Z) - Reconstructing Kernel-based Machine Learning Force Fields with
Super-linear Convergence [0.18416014644193063]
我々は、プレコンディショナーを構築するためのNystr"om-typeメソッドの幅広いクラスについて考察する。
検討されたすべての方法は、支配的なカーネルスペクトルを近似するために、インジェクション(カーネル)列の代表的なサブセットを特定することを目的としている。
論文 参考訳(メタデータ) (2022-12-24T13:45:50Z) - 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) - 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) - Random Gegenbauer Features for Scalable Kernel Methods [11.370390549286757]
我々は、GZK(Generalized Zonal Kernels)と呼ばれる新しい、リッチなカーネル関数のクラスを近似する効率的なランダムな特徴を提案する。
提案したGZKファミリーは、ゲゲンバウアー級数展開における因子を導入することにより、粒子核を一般化する。
提案手法は最近のカーネル近似法よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-02-07T19:30:36Z) - 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) - Mat\'ern Gaussian Processes on Graphs [67.13902825728718]
我々は、マタン・ガウス過程の偏微分方程式のキャラクタリゼーションを利用して、そのアナログを無向グラフに対して研究する。
得られたガウス過程がユークリッドアナログやユークリッドアナログの様々な魅力的な性質を継承することを示す。
これにより、グラフのMat'ern Gaussianプロセスがミニバッチや非共役設定に使用できる。
論文 参考訳(メタデータ) (2020-10-29T13:08:07Z) - Mat\'ern Gaussian processes on Riemannian manifolds [81.15349473870816]
ガウス過程の広く用いられるマタン類を一般化する方法を示す。
また、Mat'ern から広く用いられる2乗指数過程への一般化も拡張する。
論文 参考訳(メタデータ) (2020-06-17T21:05:42Z) - Sparse Gaussian Processes via Parametric Families of Compactly-supported
Kernels [0.6091702876917279]
本稿では,コンパクトなサポートを持つカーネル関数のパラメトリック族を導出する手法を提案する。
この種類のカーネルのパラメータは、最大推定値を用いてデータから学習することができる。
これらの近似は、ターゲットGPから直接描画されたデータをモデル化する際に、正確なモデルに対して最小限の誤差を生じさせることを示す。
論文 参考訳(メタデータ) (2020-06-05T20:44:09Z)
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。