論文の概要: Gaussian Processes on Distributions based on Regularized Optimal
Transport
- arxiv url: http://arxiv.org/abs/2210.06574v1
- Date: Wed, 12 Oct 2022 20:30:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-14 14:50:04.674588
- Title: Gaussian Processes on Distributions based on Regularized Optimal
Transport
- Title(参考訳): 正規化最適輸送に基づく分布上のガウス過程
- Authors: Fran\c{c}ois Bachoc, Louis B\'ethune, Alberto Gonzalez-Sanz,
Jean-Michel Loubes
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 2.905751301655124
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a novel kernel over the space of probability measures based on the
dual formulation of optimal regularized transport. We propose an Hilbertian
embedding of the space of probabilities using their Sinkhorn potentials, which
are solutions of the dual entropic relaxed optimal transport between the
probabilities and a reference measure $\mathcal{U}$. We prove that this
construction enables to obtain a valid kernel, by using the Hilbert norms. We
prove that the kernel enjoys theoretical properties such as universality and
some invariances, while still being computationally feasible. Moreover we
provide theoretical guarantees on the behaviour of a Gaussian process based on
this kernel. The empirical performances are compared with other traditional
choices of kernels for processes indexed on distributions.
- Abstract(参考訳): 最適正規化輸送の双対定式化に基づく確率測度空間上の新しい核を提案する。
我々は、確率と基準測度 $\mathcal{u}$ の間の双対エントロピー緩和された最適輸送の解であるシンクホーンポテンシャルを用いて確率空間のヒルベルト埋め込みを提案する。
この構成によりヒルベルトノルムを用いることで有効なカーネルが得られることを示す。
我々は、カーネルが計算可能でありながら普遍性やいくつかの不変性のような理論的性質を享受していることを証明する。
さらに、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。
経験的性能は、分布にインデックスされたプロセスのカーネルの他の伝統的な選択と比較される。
関連論文リスト
- Variance-Reducing Couplings for Random Features: Perspectives from Optimal Transport [57.73648780299374]
ランダム機能(RF)は、機械学習におけるカーネルメソッドをスケールアップするための一般的なテクニックであり、正確なカーネル評価をモンテカルロ推定に置き換える。
我々は、理論的洞察と数値アルゴリズムを用いて最適な輸送の統一的な枠組みを用いて、ユークリッドおよび離散入力空間上で定義されたカーネルに対して、新しい高性能なRF結合を開発する。
パラダイムとしての分散還元の利点と限界について、驚くほどの結論に達した。
論文 参考訳(メタデータ) (2024-05-26T12:25:09Z) - Distributed Markov Chain Monte Carlo Sampling based on the Alternating
Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。
我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。
シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文 参考訳(メタデータ) (2024-01-29T02:08:40Z) - Recursive Estimation of Conditional Kernel Mean Embeddings [0.0]
カーネル平均埋め込みは、ヒルベルト空間(RKHS)を再現するカーネルの要素への確率分布を写像する
ヒルベルト空間における条件付きカーネル平均写像を、ボヒナー空間である$L$空間で推定する新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-02-12T16:55:58Z) - Kullback-Leibler and Renyi divergences in reproducing kernel Hilbert
space and Gaussian process settings [0.0]
正規化Kullback-LeiblerとR'enyiの発散をAlpha Log-Det(Log-Det)発散により定式化する。
特徴的核について、最初の設定は、完全可分な距離空間上の任意のボレル確率測度の間の分岐をもたらす。
我々は、Alpha Log-Detの発散がヒルベルト-シュミットノルムにおいて連続であることを示し、ヒルベルト空間値の確率変数に対して大数の法則を適用することができる。
論文 参考訳(メタデータ) (2022-07-18T06:40:46Z) - Experimental Design for Linear Functionals in Reproducing Kernel Hilbert
Spaces [102.08678737900541]
線形汎関数に対するバイアス認識設計のためのアルゴリズムを提供する。
準ガウス雑音下での固定および適応設計に対する漸近的でない信頼集合を導出する。
論文 参考訳(メタデータ) (2022-05-26T20:56:25Z) - Meta-Learning Hypothesis Spaces for Sequential Decision-making [79.73213540203389]
オフラインデータ(Meta-KeL)からカーネルをメタ学習することを提案する。
穏やかな条件下では、推定されたRKHSが有効な信頼セットを得られることを保証します。
また,ベイズ最適化におけるアプローチの有効性を実証的に評価した。
論文 参考訳(メタデータ) (2022-02-01T17:46:51Z) - Optimal policy evaluation using kernel-based temporal difference methods [78.83926562536791]
カーネルヒルベルト空間を用いて、無限水平割引マルコフ報酬過程の値関数を推定する。
我々は、関連するカーネル演算子の固有値に明示的に依存した誤差の非漸近上界を導出する。
MRP のサブクラスに対する minimax の下位境界を証明する。
論文 参考訳(メタデータ) (2021-09-24T14:48:20Z) - Estimation of Riemannian distances between covariance operators and
Gaussian processes [0.7360807642941712]
無限次元正定値ヒルベルト・シュミット作用素間の2つの距離について検討する。
結果は、どちらの距離もヒルベルト・シュミットノルムに収束することを示している。
論文 参考訳(メタデータ) (2021-08-26T09:57:47Z) - 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) - Strong Uniform Consistency with Rates for Kernel Density Estimators with
General Kernels on Manifolds [11.927892660941643]
本稿では,ユーザによって設計されていない複雑なカーネルを用いて,カーネル密度推定の処理方法を示す。
本稿では,統計社会においてよく考慮されるVapnik-Chervonenkisクラスのカーネルとは異なる異方性カーネルについて述べる。
論文 参考訳(メタデータ) (2020-07-13T14:36:06Z)
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。