論文の概要: Active Discrimination Learning for Gaussian Process Models

• arxiv url: http://arxiv.org/abs/2211.11624v1
• Date: Mon, 21 Nov 2022 16:27:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 22:20:01.308259
• Title: Active Discrimination Learning for Gaussian Process Models
• Title（参考訳）: ガウス過程モデルのための能動的識別学習
• Authors: Elham Yousefi, Luc Pronzato, Markus Hainy, Werner G. M\"uller, Henry P. Wynn
• Abstract要約: 本稿では,ガウス過程モデルとガウス過程モデルを区別する実験の設計と解析について述べる。 この選択は、2つのモデルに対する対称対称カルバック・リーバーの差の最大化に依存する。 その他の距離ベースの基準も導入され、従来の基準よりも計算が簡単になった。
• 参考スコア（独自算出の注目度）: 0.27998963147546135
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The paper covers the design and analysis of experiments to discriminate between two Gaussian process models, such as those widely used in computer experiments, kriging, sensor location and machine learning. Two frameworks are considered. First, we study sequential constructions, where successive design (observation) points are selected, either as additional points to an existing design or from the beginning of observation. The selection relies on the maximisation of the difference between the symmetric Kullback Leibler divergences for the two models, which depends on the observations, or on the mean squared error of both models, which does not. Then, we consider static criteria, such as the familiar log-likelihood ratios and the Fr\'echet distance between the covariance functions of the two models. Other distance-based criteria, simpler to compute than previous ones, are also introduced, for which, considering the framework of approximate design, a necessary condition for the optimality of a design measure is provided. The paper includes a study of the mathematical links between different criteria and numerical illustrations are provided.
• Abstract（参考訳）: この論文は、コンピュータ実験、クリギング、センサ位置、機械学習で広く使われている2つのガウス過程モデルを区別する実験の設計と分析を扱っている。 2つの枠組みが考えられる。 まず, 連続した設計点(観測点)を, 既存の設計への追加点として, あるいは観測開始点から選択するシーケンシャルな構成について検討する。 この選択は、2つのモデルに対する対称なkullback leibler divergencesの差の最大化に依存するが、これは観測値に依存するか、両方のモデルの平均二乗誤差に依存するが、そうではない。 次に、2つのモデルの共分散関数間の親しみやすい対数類似比やFr'echet距離などの静的な基準を考える。 その他の距離ベース基準も導入され、近似設計の枠組みを考えると、設計基準の最適性に必要な条件が提供される。 本論文は、異なる基準と数値図形との間の数学的関係についての研究を含む。

関連論文リスト

• von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
  円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。 後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• Generative vs. Discriminative modeling under the lens of uncertainty quantification [0.929965561686354]
  本稿では,生成的アプローチと識別的アプローチの比較分析を行った。 両手法が,不確実性を考慮した推論において,様々な情報源からの情報を活用する能力を比較する。 本稿では,両手法の教師あり学習と,検討されたモデリング手法と互換性のあるセミ教師あり学習を実現するための一般的なサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2024-06-13T14:32:43Z)
• Gradient Estimation and Variance Reduction in Stochastic and Deterministic Models [0.0]
  この論文は制約のない非線形最適化問題を考察している。 このような問題の解決を可能にする鍵となる量である勾配そのものに着目する。 決定論と要素の双方に関わる問題の勾配を計算するための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2024-05-14T14:41:58Z)
• Comparison of Single- and Multi- Objective Optimization Quality for Evolutionary Equation Discovery [77.34726150561087]
  進化的微分方程式の発見は、より優先順位の低い方程式を得るための道具であることが証明された。 提案した比較手法は、バーガーズ方程式、波動方程式、コルテヴェーグ・ド・ブリーズ方程式といった古典的なモデル例で示される。
  論文  参考訳（メタデータ） (2023-06-29T15:37:19Z)
• Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
  本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。 特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
  論文  参考訳（メタデータ） (2023-04-04T17:54:32Z)
• Optimal Discriminant Analysis in High-Dimensional Latent Factor Models [1.4213973379473654]
  高次元分類問題において、一般的に用いられるアプローチは、まず高次元の特徴を低次元空間に射影することである。 我々は、この2段階の手順を正当化するために、隠れた低次元構造を持つ潜在変数モデルを定式化する。 観測された特徴の特定の主成分(PC)を射影とする計算効率の良い分類器を提案する。
  論文  参考訳（メタデータ） (2022-10-23T21:45:53Z)
• Instance-Level Relative Saliency Ranking with Graph Reasoning [126.09138829920627]
  そこで本研究では,有意な事例を分割し,相対的有意な有意なランク順序を推定するための統一モデルを提案する。 また、サラレンシーランキングブランチを効果的にトレーニングするために、新しい損失関数も提案されている。 実験の結果,提案手法は従来の手法よりも有効であることがわかった。
  論文  参考訳（メタデータ） (2021-07-08T13:10:42Z)
• Marginal likelihood computation for model selection and hypothesis testing: an extensive review [66.37504201165159]
  この記事では、このトピックの最先端に関する総合的な研究について紹介する。 さまざまなテクニックの制限、メリット、コネクション、差異を強調します。 また、不適切な事前利用の問題や解決法についても述べる。
  論文  参考訳（メタデータ） (2020-05-17T18:31:58Z)
• Machine learning for causal inference: on the use of cross-fit estimators [77.34726150561087]
  より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。 平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。 機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2020-04-21T23:09:55Z)
• A Bootstrap-based Method for Testing Network Similarity [0.0]
  本稿では,一致したネットワーク推論問題について検討する。 目的は、共通のノードセットで定義された2つのネットワークが、特定の類似性を示すかどうかを決定することである。 類似性の2つの概念は、 (i) 等価性、すなわち、ネットワークが同じランダムグラフモデルから生じるかどうかをテストすること、 (ii) スケーリング、すなわち、それらの確率が未知のスケーリング定数に対して比例するかどうかをテストすることである。
  論文  参考訳（メタデータ） (2019-11-15T20:50:22Z)
• Selective machine learning of doubly robust functionals [6.880360838661036]
  半パラメトリックモデル上で定義された有限次元関数に関する推論を行うための選択的機械学習フレームワークを提案する。 疑似リスクの新たな定義に基づき、興味の機能を推定する際のバイアス低減を目的とした新しい選択基準を導入する。
  論文  参考訳（メタデータ） (2019-11-05T19:00:03Z)

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。