論文の概要: Active Nearest Neighbor Regression Through Delaunay Refinement

• arxiv url: http://arxiv.org/abs/2206.08061v1
• Date: Thu, 16 Jun 2022 10:24:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-18 05:01:25.737683
• Title: Active Nearest Neighbor Regression Through Delaunay Refinement
• Title（参考訳）: Delaunayリファインメントを介する活動的近傍回帰
• Authors: Alexander Kravberg, Giovanni Luca Marchetti, Vladislav Polianskii, Anastasiia Varava, Florian T. Pokorny, Danica Kragic
• Abstract要約: 近接回帰に基づく能動関数近似アルゴリズムを提案する。 我々のActive Nearest Neighbor Regressor (ANNR) は計算幾何学の Voronoi-Delaunay フレームワークに頼り、空間を一定の関数値のセルに分割する。
• 参考スコア（独自算出の注目度）: 79.93030583257597
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce an algorithm for active function approximation based on nearest neighbor regression. Our Active Nearest Neighbor Regressor (ANNR) relies on the Voronoi-Delaunay framework from computational geometry to subdivide the space into cells with constant estimated function value and select novel query points in a way that takes the geometry of the function graph into account. We consider the recent state-of-the-art active function approximator called DEFER, which is based on incremental rectangular partitioning of the space, as the main baseline. The ANNR addresses a number of limitations that arise from the space subdivision strategy used in DEFER. We provide a computationally efficient implementation of our method, as well as theoretical halting guarantees. Empirical results show that ANNR outperforms the baseline for both closed-form functions and real-world examples, such as gravitational wave parameter inference and exploration of the latent space of a generative model.
• Abstract（参考訳）: 最近傍回帰に基づく能動関数近似のアルゴリズムを提案する。 我々のActive Nearest Neighbor Regressor (ANNR) は、計算幾何学の Voronoi-Delaunay フレームワークを利用して、空間を一定の推定関数値でセルに分割し、関数グラフの幾何学を考慮した新しいクエリポイントを選択する。 本稿では,空間の漸進的二乗分割に基づく,最新の最先端のアクティブ関数近似器DEFERをベースラインとして検討する。 ANNRは、DEFERで使われる空間分割戦略から生じる多くの制限に対処する。 提案手法の計算効率の良い実装と理論的な停止保証を提供する。 実験の結果、annrは閉形式関数と実世界の例の両方のベースラインよりも優れており、例えば重力波パラメータの推論や生成モデルの潜在空間の探索などである。

関連論文リスト

• Mapping-to-Parameter Nonlinear Functional Regression with Novel B-spline Free Knot Placement Algorithm [12.491024918270824]
  非線形機能回帰に対する新しいアプローチを提案する。 このモデルは無限次元関数空間から有限次元パラメータ空間への関数データのマッピングに基づいている。 結び目配置アルゴリズムの性能は, 単一関数近似と多関数近似の両方において堅牢であることが示されている。
  論文  参考訳（メタデータ） (2024-01-26T16:35:48Z)
• Projecting basis functions with tensor networks for Gaussian process regression [5.482420806459269]
  我々は,指数的計算複雑性を伴わない指数的基底関数を利用できるアプローチを開発した。 結果の重みを元の空間に投影してGP予測を行う。 18次元のベンチマークデータセットを用いた実験では,逆動力学問題に対する本手法の適用性を示す。
  論文  参考訳（メタデータ） (2023-10-31T16:59:07Z)
• Kernel-based off-policy estimation without overlap: Instance optimality beyond semiparametric efficiency [53.90687548731265]
  本研究では,観測データに基づいて線形関数を推定するための最適手順について検討する。 任意の凸および対称函数クラス $mathcalF$ に対して、平均二乗誤差で有界な非漸近局所ミニマックスを導出する。
  論文  参考訳（メタデータ） (2023-01-16T02:57:37Z)
• Statistical Optimality of Divide and Conquer Kernel-based Functional Linear Regression [1.7227952883644062]
  本稿では,対象関数が基礎となるカーネル空間に存在しないシナリオにおいて,分割・コンカレント推定器の収束性能について検討する。 分解に基づくスケーラブルなアプローチとして、関数線形回帰の分割・収束推定器は、時間とメモリにおけるアルゴリズムの複雑さを大幅に減らすことができる。
  論文  参考訳（メタデータ） (2022-11-20T12:29:06Z)
• Structured Optimal Variational Inference for Dynamic Latent Space Models [16.531262817315696]
  動的ネットワークの潜在空間モデルについて検討し、その目的は、ペアの内積と潜在位置のインターセプトを推定することである。 後部推論と計算スケーラビリティのバランスをとるために、構造的平均場変動推論フレームワークを検討する。
  論文  参考訳（メタデータ） (2022-09-29T22:10:42Z)
• Adaptive LASSO estimation for functional hidden dynamic geostatistical model [69.10717733870575]
  関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。 このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
  論文  参考訳（メタデータ） (2022-08-10T19:17:45Z)
• Space Partitioning and Regression Mode Seeking via a Mean-Shift-Inspired Algorithm [5.990174495635326]
  平均シフト(MS)アルゴリズムは、サンプルポイントをクラスタリングし、カーネル密度推定の局所モードを見つけるために使われる非パラメトリックな手法である。 回帰関数のモードを推定し,入力空間内のサンプル点を分割するアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-04-20T16:35:17Z)
• Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D Edge Alignment [85.32080531133799]
  本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。 エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。 3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
  論文  参考訳（メタデータ） (2020-12-15T11:42:17Z)
• Reinforcement Learning with General Value Function Approximation: Provably Efficient Approach via Bounded Eluder Dimension [124.7752517531109]
  一般値関数近似を用いた効率の良い強化学習アルゴリズムを確立する。 我々のアルゴリズムは、$d$が複雑性測度である場合、$widetildeO(mathrmpoly(dH)sqrtT)$の後悔の限界を達成することを示す。 我々の理論は線形値関数近似によるRLの最近の進歩を一般化し、環境モデルに対する明示的な仮定をしない。
  論文  参考訳（メタデータ） (2020-05-21T17:36:09Z)
• 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)

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。