Fugu-MT 論文翻訳(概要): Validating Gaussian Process Models with Simulation-Based Calibration

論文の概要: Validating Gaussian Process Models with Simulation-Based Calibration

arxiv url: http://arxiv.org/abs/2110.15049v1
Date: Wed, 27 Oct 2021 15:21:44 GMT
ステータス: 処理完了
システム内更新日: 2021-10-31 06:40:53.307862
Title: Validating Gaussian Process Models with Simulation-Based Calibration
Title（参考訳）: シミュレーションに基づく校正によるガウス過程モデルの検証
Authors: John Mcleod and Fergus Simpson
Abstract要約: 本稿では,ガウス過程モデルの実装を検証する手順を紹介する。既存のコードのバグを特定する上で,この手順の有効性を実証する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Gaussian process priors are a popular choice for Bayesian analysis of regression problems. However, the implementation of these models can be complex, and ensuring that the implementation is correct can be challenging. In this paper we introduce Gaussian process simulation-based calibration, a procedure for validating the implementation of Gaussian process models and demonstrate the efficacy of this procedure in identifying a bug in existing code. We also present a novel application of this procedure to identify when marginalisation of the model hyperparameters is necessary.
Abstract（参考訳）: ガウス過程の先行は回帰問題のベイズ解析において一般的な選択である。しかし、これらのモデルの実装は複雑であり、実装が正しいことを保証することは困難である。本稿では,ガウスのプロセスモデルの実装を検証する手法であるガウスのプロセスシミュレーションに基づくキャリブレーションを紹介し,既存のコードのバグを識別する手法の有効性を実証する。また,モデルハイパーパラメータの限界化がいつ必要かを特定するための新しい手法を提案する。

関連論文リスト

Constructing Gaussian Processes via Samplets [0.0]
最適収束率を持つモデルを特定するために,最近の収束結果について検討する。本稿では,ガウス過程を効率的に構築・訓練するためのサンプルベースアプローチを提案する。
論文参考訳（メタデータ） (2024-11-11T18:01:03Z)
Sharp Calibrated Gaussian Processes [58.94710279601622]
キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
論文参考訳（メタデータ） (2023-02-23T12:17:36Z)
Modular Conformal Calibration [80.33410096908872]
回帰における再校正のためのアルゴリズムを多種多様なクラスで導入する。このフレームワークは、任意の回帰モデルをキャリブレーションされた確率モデルに変換することを可能にする。我々は17の回帰データセットに対するMCCの実証的研究を行った。
論文参考訳（メタデータ） (2022-06-23T03:25:23Z)
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)
Safe Real-Time Optimization using Multi-Fidelity Gaussian Processes [0.0]
本稿では,不確実なプロセスのシステムミスマッチを克服するリアルタイム最適化手法を提案する。提案方式では, 既知のプロセスモデルをエミュレートする2つのガウス過程と, 測定による真のシステムを用いる。
論文参考訳（メタデータ） (2021-11-10T09:31:10Z)
Predictive machine learning for prescriptive applications: a coupled training-validating approach [77.34726150561087]
規範的応用のための予測機械学習モデルをトレーニングするための新しい手法を提案する。このアプローチは、標準的なトレーニング検証テストスキームの検証ステップを微調整することに基づいている。合成データを用いたいくつかの実験は、決定論的モデルと実モデルの両方において処方料コストを削減できる有望な結果を示した。
論文参考訳（メタデータ） (2021-10-22T15:03:20Z)
Calibrating Over-Parametrized Simulation Models: A Framework via Eligibility Set [3.862247454265944]
厳密な頻繁な統計的保証を満たす校正手法を開発するための枠組みを開発する。本手法は,書籍市場シミュレータのキャリブレーションへの応用を含む,いくつかの数値例で実証する。
論文参考訳（メタデータ） (2021-05-27T00:59:29Z)
Mixtures of Gaussian Processes for regression under multiple prior distributions [0.0]
ガウス過程回帰のための混合モデルの概念を拡張し、複数の先行する信念を同時に扱う。本手法は,関数回帰問題における先行的誤特定の問題を考慮に入れたものである。
論文参考訳（メタデータ） (2021-04-19T10:19:14Z)
Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
論文参考訳（メタデータ） (2020-11-14T01:27:32Z)
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。