論文の概要: Sensing Cox Processes via Posterior Sampling and Positive Bases
- arxiv url: http://arxiv.org/abs/2110.11181v1
- Date: Thu, 21 Oct 2021 14:47:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-22 16:38:33.112108
- Title: Sensing Cox Processes via Posterior Sampling and Positive Bases
- Title(参考訳): 後方サンプリングと正塩基によるcoxプロセスのセンシング
- Authors: Mojm\'ir Mutn\'y, Andreas Krause
- Abstract要約: 本研究では,空間統計学から広く用いられている点過程の適応センシングについて検討する。
我々は、この強度関数を、特別に構築された正の基底で表される、歪んだガウス過程のサンプルとしてモデル化する。
我々の適応センシングアルゴリズムはランゲヴィン力学を用いており、後続サンプリング(textscCox-Thompson)と後続サンプリング(textscTop2)の原理に基づいている。
- 参考スコア(独自算出の注目度): 56.82162768921196
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study adaptive sensing of Cox point processes, a widely used model from
spatial statistics. We introduce three tasks: maximization of captured events,
search for the maximum of the intensity function and learning level sets of the
intensity function. We model the intensity function as a sample from a
truncated Gaussian process, represented in a specially constructed positive
basis. In this basis, the positivity constraint on the intensity function has a
simple form. We show how an minimal description positive basis can be adapted
to the covariance kernel, non-stationarity and make connections to common
positive bases from prior works. Our adaptive sensing algorithms use Langevin
dynamics and are based on posterior sampling (\textsc{Cox-Thompson}) and
top-two posterior sampling (\textsc{Top2}) principles. With latter, the
difference between samples serves as a surrogate to the uncertainty. We
demonstrate the approach using examples from environmental monitoring and crime
rate modeling, and compare it to the classical Bayesian experimental design
approach.
- Abstract(参考訳): 空間統計学から広く用いられているモデルであるCox点過程の適応センシングについて検討する。
得られた事象の最大化、強度関数の最大値の探索、強度関数の学習レベルセットの3つのタスクを導入する。
我々は、特別に構成された正の基底で表現された断続ガウス過程から、強度関数をサンプルとしてモデル化する。
この基底において、強度関数の正の制約は単純形式である。
最小記述の正の基底が共分散核や非定常性にどのように適応可能かを示し、事前の作業から共通の正の基底へ接続するかを示す。
我々の適応センシングアルゴリズムはランゲヴィン力学を用いており、後続サンプリング(\textsc{Cox-Thompson})と後続サンプリング(\textsc{Top2})の原理に基づいている。
後者では、サンプル間の差が不確実性の代役となる。
本手法は,環境モニタリングと犯罪率モデリングの例を用いて実証し,従来のベイズ実験設計手法と比較する。
関連論文リスト
- MESSY Estimation: Maximum-Entropy based Stochastic and Symbolic densitY
Estimation [4.014524824655106]
MESSY推定は最大エントロピーに基づくグラディエントおよびシンボリックデンシット推定法である。
本研究では,未知分布関数のサンプルを推定記号表現に接続する勾配に基づくドリフト拡散過程を構築する。
基本関数の記号探索を追加することで, 推定精度を合理的な計算コストで向上することがわかった。
論文 参考訳(メタデータ) (2023-06-07T03:28:47Z) - Adaptive Sampling Quasi-Newton Methods for Zeroth-Order Stochastic
Optimization [1.7513645771137178]
勾配情報のない制約のない最適化問題を考察する。
適応的なサンプリング準ニュートン法を提案し、共通乱数フレームワーク内の有限差を用いてシミュレーション関数の勾配を推定する。
そこで本研究では, 標準試験と内積準ニュートン試験の修正版を開発し, 近似に使用する試料サイズを制御し, 最適解の近傍に大域収束結果を与える。
論文 参考訳(メタデータ) (2021-09-24T21:49:25Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳(メタデータ) (2021-02-12T12:23:13Z) - Pathwise Conditioning of Gaussian Processes [72.61885354624604]
ガウス過程後部をシミュレーションするための従来のアプローチでは、有限個の入力位置のプロセス値の限界分布からサンプルを抽出する。
この分布中心の特徴づけは、所望のランダムベクトルのサイズで3次スケールする生成戦略をもたらす。
条件付けのこのパスワイズ解釈が、ガウス過程の後部を効率的にサンプリングするのに役立てる近似の一般族をいかに生み出すかを示す。
論文 参考訳(メタデータ) (2020-11-08T17:09:37Z) - Path Sample-Analytic Gradient Estimators for Stochastic Binary Networks [78.76880041670904]
二進的アクティベーションや二進的重みを持つニューラルネットワークでは、勾配降下によるトレーニングは複雑である。
そこで本研究では,サンプリングと解析近似を併用した新しい推定法を提案する。
勾配推定において高い精度を示し、深部畳み込みモデルにおいてより安定かつ優れた訓練を行うことを示す。
論文 参考訳(メタデータ) (2020-06-04T21:51:21Z) - Adaptive quadrature schemes for Bayesian inference via active learning [0.0]
本稿では,能動的学習手法に基づく適応的な2次スキームを提案する。
代理密度を構築するための補間的手法をモンテカルロサンプリング法や他の二次規則と組み合わせて検討する。
数値的な結果は、天文学モデルにおける挑戦的推論問題を含む提案手法の利点を示している。
論文 参考訳(メタデータ) (2020-05-31T15:02:32Z) - SLEIPNIR: Deterministic and Provably Accurate Feature Expansion for
Gaussian Process Regression with Derivatives [86.01677297601624]
本稿では,2次フーリエ特徴に基づく導関数によるGP回帰のスケーリング手法を提案する。
我々は、近似されたカーネルと近似された後部の両方に適用される決定論的、非漸近的、指数関数的に高速な崩壊誤差境界を証明した。
論文 参考訳(メタデータ) (2020-03-05T14:33:20Z) - Efficiently Sampling Functions from Gaussian Process Posteriors [76.94808614373609]
高速後部サンプリングのための簡易かつ汎用的なアプローチを提案する。
分離されたサンプルパスがガウス過程の後部を通常のコストのごく一部で正確に表現する方法を実証する。
論文 参考訳(メタデータ) (2020-02-21T14:03:16Z)
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。