論文の概要: Reservoir kernels and Volterra series
- arxiv url: http://arxiv.org/abs/2212.14641v1
- Date: Fri, 30 Dec 2022 11:33:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-02 17:17:49.368652
- Title: Reservoir kernels and Volterra series
- Title(参考訳): 貯水池カーネルとボルテラ級数
- Authors: Lukas Gonon, Lyudmila Grigoryeva, and Juan-Pablo Ortega
- Abstract要約: カーネルは、ボルテラ級数展開の状態空間表現に関連付けられた貯水池関数を用いて構築される。
本稿では,Volterra貯水池カーネルの性能を,bitcoin価格予測に関連する一般的なデータサイエンスアプリケーションで紹介する。
- 参考スコア(独自算出の注目度): 8.143750358586072
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: A universal kernel is constructed whose sections approximate any causal and
time-invariant filter in the fading memory category with inputs and outputs in
a finite-dimensional Euclidean space. This kernel is built using the reservoir
functional associated with a state-space representation of the Volterra series
expansion available for any analytic fading memory filter. It is hence called
the Volterra reservoir kernel. Even though the state-space representation and
the corresponding reservoir feature map are defined on an infinite-dimensional
tensor algebra space, the kernel map is characterized by explicit recursions
that are readily computable for specific data sets when employed in estimation
problems using the representer theorem. We showcase the performance of the
Volterra reservoir kernel in a popular data science application in relation to
bitcoin price prediction.
- Abstract(参考訳): 普遍カーネルは、セクションが有限次元ユークリッド空間の入力と出力を持つフェーディングメモリカテゴリの因果および時間不変フィルタを近似する形で構成される。
このカーネルは、解析的なフェーディングメモリフィルタで利用可能なボルテラ級数展開の状態空間表現と関連する貯水池関数を用いて構築される。
そのため、ボルテラ貯水池カーネルと呼ばれる。
状態空間表現と対応する貯水池特徴写像は無限次元テンソル代数空間上で定義されるが、カーネル写像は、表現定理を用いた推定問題において、特定のデータセットに対して容易に計算可能な明示的再帰によって特徴づけられる。
我々は,bitcoin価格予測に関する一般的なデータサイエンスアプリケーションにおいて,volterraリザーバカーネルの性能を示す。
関連論文リスト
- Reservoir computing with logistic map [0.0]
本研究では,仮想ノードを貯水池計算の貯水池として構築し,時間的・非時間的タスクを予測する手法を提案する。
時間的タスクはLorenz, R"ossler, Hindmarsh-Roseの3つの非線形系, 非時間的タスクは7位となる。
注目すべきは、ロジスティックマップがうまく機能し、実際の値や対象値に近いものを予測することである。
論文 参考訳(メタデータ) (2024-01-17T09:22:15Z) - Improving embedding of graphs with missing data by soft manifolds [51.425411400683565]
グラフ埋め込みの信頼性は、連続空間の幾何がグラフ構造とどの程度一致しているかに依存する。
我々は、この問題を解決することができる、ソフト多様体と呼ばれる新しい多様体のクラスを導入する。
グラフ埋め込みにソフト多様体を用いることで、複雑なデータセット上のデータ解析における任意のタスクを追求するための連続空間を提供できる。
論文 参考訳(メタデータ) (2023-11-29T12:48:33Z) - ARFA: An Asymmetric Receptive Field Autoencoder Model for Spatiotemporal
Prediction [55.30913411696375]
本稿では,非対称な受容場オートエンコーダ (ARFA) モデルを提案する。
エンコーダでは,大域的時間的特徴抽出のための大規模なカーネルモジュールを提案し,デコーダでは局所的時間的再構成のための小さなカーネルモジュールを開発する。
降水予測のための大規模レーダエコーデータセットであるRainBenchを構築し,その領域における気象データの不足に対処する。
論文 参考訳(メタデータ) (2023-09-01T07:55:53Z) - Tangent Bundle Convolutional Learning: from Manifolds to Cellular
Sheaves and Back [114.01902073621577]
この畳み込み操作に基づいて,タンジェントバンドルフィルタとタンジェントバンドルニューラルネットワーク(TNN)を定義する。
タンジェントバンドルフィルタは、スカラー多様体フィルタ、グラフフィルタ、標準畳み込みフィルタを連続的に一般化するスペクトル表現を許容する。
提案したアーキテクチャが様々な学習課題に与える影響を数値的に評価する。
論文 参考訳(メタデータ) (2023-03-20T17:57:15Z) - Kernelized Diffusion maps [2.817412580574242]
本稿では、再生カーネルヒルベルト空間法を用いて、ラプラシアンの異なる推定器を構築する。
我々は、構築したカーネル推定器が次元性の呪いを回避できることを示す非漸近統計率を提供する。
論文 参考訳(メタデータ) (2023-02-13T23:54:36Z) - Sign and Basis Invariant Networks for Spectral Graph Representation
Learning [75.18802152811539]
SignNetとBasisNetは、すべての必須対称性に不変な新しいニューラルアーキテクチャであり、したがって、原則化された方法で固有空間のコレクションを処理する。
我々のネットワークは理論的にはグラフ表現学習に強い -- 任意のスペクトルグラフ畳み込みを近似することができる。
実験により、スペクトルグラフフィルタの学習とグラフ位置エンコーディングの学習のためのネットワークの強みが示された。
論文 参考訳(メタデータ) (2022-02-25T23:11:59Z) - Deep Parametric Continuous Convolutional Neural Networks [92.87547731907176]
Parametric Continuous Convolutionは、非グリッド構造化データ上で動作する、新たな学習可能な演算子である。
室内および屋外シーンの点雲セグメンテーションにおける最先端技術よりも顕著な改善が見られた。
論文 参考訳(メタデータ) (2021-01-17T18:28:23Z) - Discrete-time signatures and randomness in reservoir computing [8.579665234755478]
貯留層計算は、ランダムに選択されたリカレントニューラルネットワークと訓練された線形読み出し層で入出力系を近似する可能性である。
強い普遍的な貯水池システム(英語版)と呼ばれるものを構築することで、この現象に光が当たっている。
投射された貯水池システムの生成に必要な確率分布の明示表現を記述し、コミット近似誤差のバウンダリを提供する。
論文 参考訳(メタデータ) (2020-09-17T10:55:59Z) - Spatial Pyramid Based Graph Reasoning for Semantic Segmentation [67.47159595239798]
セマンティックセグメンテーションタスクにグラフ畳み込みを適用し、改良されたラプラシアンを提案する。
グラフ推論は、空間ピラミッドとして構成された元の特徴空間で直接実行される。
計算とメモリのオーバーヘッドの利点で同等のパフォーマンスを実現しています。
論文 参考訳(メタデータ) (2020-03-23T12:28:07Z) - Linear-time inference for Gaussian Processes on one dimension [17.77516394591124]
本研究では,その線形スケーリング計算コストから,状態空間モデルが人気である1次元のサンプルデータについて検討する。
状態空間モデルは一般であり、任意の1次元ガウス過程を近似できるという予想の最初の一般的な証明を提供する。
LEGモデルで推論と学習を行う並列アルゴリズムを開発し、実データおよび合成データ上でアルゴリズムをテストし、数十億のサンプルを持つデータセットへのスケーリングを実証する。
論文 参考訳(メタデータ) (2020-03-11T23:20:13Z) - An End-to-End Graph Convolutional Kernel Support Vector Machine [0.0]
グラフ分類のためのカーネルベースサポートベクターマシン(SVM)を提案する。
提案したモデルは、教師付きエンドツーエンドで訓練される。
実験結果から,提案モデルが既存のディープラーニングベースラインモデルよりも優れていることが示された。
論文 参考訳(メタデータ) (2020-02-29T09:57:42Z)
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。