Fugu-MT 論文翻訳(概要): On the Correspondence between Gaussian Processes and Geometric Harmonics

論文の概要: On the Correspondence between Gaussian Processes and Geometric Harmonics

arxiv url: http://arxiv.org/abs/2110.02296v1
Date: Tue, 5 Oct 2021 19:00:32 GMT
ステータス: 処理完了
システム内更新日: 2021-10-07 14:33:54.831462
Title: On the Correspondence between Gaussian Processes and Geometric Harmonics
Title（参考訳）: ガウス過程と幾何学調和の対応について
Authors: Felix Dietrich and Juan M. Bello-Rivas and Ioannis G. Kevrekidis
Abstract要約: ガウス過程回帰と幾何高調波の対応について検討する。両キャンプの結果はうまく組み合わせられ、誤り推定の観点で不確実性の代替解釈が提供される。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We discuss the correspondence between Gaussian process regression and Geometric Harmonics, two similar kernel-based methods that are typically used in different contexts. Research communities surrounding the two concepts often pursue different goals. Results from both camps can be successfully combined, providing alternative interpretations of uncertainty in terms of error estimation, or leading towards accelerated Bayesian Optimization due to dimensionality reduction.
Abstract（参考訳）: 本稿では,ガウス過程の回帰と幾何学的調和の対応について論じる。 2つの概念を囲む研究コミュニティは、しばしば異なる目標を追求する。双方のキャンプの結果をうまく組み合わせることで、誤差推定における不確かさの代替解釈が得られ、あるいは次元の減少によるベイズ最適化の加速につながる。

関連論文リスト

Posterior Covariance Structures in Gaussian Processes [2.1137702137979946]
帯域幅パラメータと観測の空間分布が後部共分散にどのように影響するかを示す。絶対余剰共分散場を効率的に測定するいくつかの推定器を提案する。我々は、理論的な発見とその実践的応用を説明するために、幅広い実験を行っている。
論文参考訳（メタデータ） (2024-08-14T08:56:45Z)
Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
論文参考訳（メタデータ） (2024-04-24T09:04:36Z)
Improving Diffusion Models for Inverse Problems Using Optimal Posterior Covariance [52.093434664236014]
近年の拡散モデルは、特定の逆問題に対して再訓練することなく、ノイズの多い線形逆問題に対する有望なゼロショット解を提供する。この発見に触発されて、我々は、最大推定値から決定されるより原理化された共分散を用いて、最近の手法を改善することを提案する。
論文参考訳（メタデータ） (2024-02-03T13:35:39Z)
Posterior and Computational Uncertainty in Gaussian Processes [52.26904059556759]
ガウスのプロセスはデータセットのサイズとともに違法にスケールする。多くの近似法が開発されており、必然的に近似誤差を導入している。この余分な不確実性の原因は、計算が限られているため、近似後部を使用すると完全に無視される。本研究では,観測された有限個のデータと有限個の計算量の両方から生じる組合せ不確実性を一貫した推定を行う手法の開発を行う。
論文参考訳（メタデータ） (2022-05-30T22:16:25Z)
How Good are Low-Rank Approximations in Gaussian Process Regression? [28.392890577684657]
2つの共通低ランクカーネル近似による近似ガウス過程(GP)回帰の保証を提供する。理論境界の有効性を評価するため,シミュレーションデータと標準ベンチマークの両方について実験を行った。
論文参考訳（メタデータ） (2021-12-13T04:04:08Z)
Laplace Matching for fast Approximate Inference in Generalized Linear Models [27.70274403550477]
本論文では,高い近似品質を実現しつつ,計算的に安価に設計した近似推論フレームワークを提案する。我々が emphLaplace Matching と呼ぶこの概念は、指数群のパラメータ空間間の閉形式、近似、双方向変換を含む。これにより、GLMにおける推論を(小さな近似誤差で)共役推論に変換する。
論文参考訳（メタデータ） (2021-05-07T08:25:17Z)
The Connection between Discrete- and Continuous-Time Descriptions of Gaussian Continuous Processes [60.35125735474386]
我々は、一貫した推定子をもたらす離散化が粗粒化下での不変性を持つことを示す。この結果は、導関数再構成のための微分スキームと局所時間推論アプローチの組み合わせが、2次または高次微分方程式の時系列解析に役立たない理由を説明する。
論文参考訳（メタデータ） (2021-01-16T17:11:02Z)
Optimal oracle inequalities for solving projected fixed-point equations [53.31620399640334]
ヒルベルト空間の既知の低次元部分空間を探索することにより、確率観測の集合を用いて近似解を計算する手法を検討する。本稿では,線形関数近似を用いた政策評価問題に対する時間差分学習手法の誤差を正確に評価する方法について述べる。
論文参考訳（メタデータ） (2020-12-09T20:19:32Z)
How Good are Low-Rank Approximations in Gaussian Process Regression? [24.09582049403961]
2つの共通低ランクカーネル近似による近似ガウス過程(GP)回帰の保証を提供する。理論境界の有効性を評価するため,シミュレーションデータと標準ベンチマークの両方について実験を行った。
論文参考訳（メタデータ） (2020-04-03T14:15:10Z)
Distributed Averaging Methods for Randomized Second Order Optimization [54.51566432934556]
我々はヘッセン語の形成が計算的に困難であり、通信がボトルネックとなる分散最適化問題を考察する。我々は、ヘッセンのサンプリングとスケッチを用いたランダム化二階最適化のための非バイアスパラメータ平均化手法を開発した。また、不均一なコンピューティングシステムのための非バイアス分散最適化フレームワークを導入するために、二階平均化手法のフレームワークを拡張した。
論文参考訳（メタデータ） (2020-02-16T09:01:18Z)
Sparse Orthogonal Variational Inference for Gaussian Processes [34.476453597078894]
誘導点を用いたガウス過程に対するスパース変分近似の新しい解釈を導入する。この定式化は既存の近似を復元し、同時に限界確率と新しい変分推論アルゴリズムのより厳密な下界を得ることができることを示す。
論文参考訳（メタデータ） (2019-10-23T15:01:28Z)

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。