論文の概要: Bayes Hilbert Spaces for Posterior Approximation
- arxiv url: http://arxiv.org/abs/2304.09053v1
- Date: Tue, 18 Apr 2023 15:17:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-19 14:11:39.677155
- Title: Bayes Hilbert Spaces for Posterior Approximation
- Title(参考訳): 後方近似に対するベイズヒルベルト空間
- Authors: George Wynne
- Abstract要約: この写本はベイズ・ヒルベルト空間の後方近似問題への応用について研究している。
ベイズヒルベルト空間、ベイズコアセットアルゴリズム、およびカーネルベースの計算の間の新しい接続を概説する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Performing inference in Bayesian models requires sampling algorithms to draw
samples from the posterior. This becomes prohibitively expensive as the size of
data sets increase. Constructing approximations to the posterior which are
cheap to evaluate is a popular approach to circumvent this issue. This begs the
question of what is an appropriate space to perform approximation of Bayesian
posterior measures. This manuscript studies the application of Bayes Hilbert
spaces to the posterior approximation problem. Bayes Hilbert spaces are studied
in functional data analysis in the context where observed functions are
probability density functions and their application to computational Bayesian
problems is in its infancy. This manuscript shall outline Bayes Hilbert spaces
and their connection to Bayesian computation, in particular novel connections
between Bayes Hilbert spaces, Bayesian coreset algorithms and kernel-based
distances.
- Abstract(参考訳): ベイズモデルでの推論の実行には、後方からサンプルを引き出すためのサンプリングアルゴリズムが必要である。
データセットのサイズが大きくなると、これは必然的に高価になる。
評価が安い後方への近似を構築することは、この問題を回避するための一般的なアプローチである。
このことはベイズ測度を近似する適切な空間が何かという疑問を提起する。
この写本はベイズ・ヒルベルト空間の後方近似問題への応用を研究する。
ベイズヒルベルト空間は、観測関数が確率密度関数である文脈における関数データ解析で研究され、それらの計算ベイズ問題への応用は、その初期段階にある。
この写本はベイズ・ヒルベルト空間とそのベイズ計算との関係、特にベイズ・ヒルベルト空間、ベイズコアセットアルゴリズムとカーネルベース距離の間の新しい接続を概説する。
関連論文リスト
- Hessian-Free Laplace in Bayesian Deep Learning [44.16006844888796]
Hessian-free Laplace (HFL)近似は、その分散を推定するために、ログ後部とネットワーク予測の両方の曲率を使用する。
ベイズ深層学習におけるLAの標準的な仮定の下では、HFLはLAと同じ分散を目標とし、事前学習されたネットワークで効率よく再生可能であることを示す。
論文 参考訳(メタデータ) (2024-03-15T20:47:39Z) - Kernelized Normalizing Constant Estimation: Bridging Bayesian Quadrature
and Bayesian Optimization [51.533164528799084]
小さい相対誤差内で正規化定数を推定するために、難易度は$lambda$の値に依存する。
関数評価がノイズである場合でも,このパターンは真であることがわかった。
論文 参考訳(メタデータ) (2024-01-11T07:45:09Z) - Surrogate modeling for Bayesian optimization beyond a single Gaussian
process [62.294228304646516]
本稿では,探索空間の活用と探索のバランスをとるための新しいベイズ代理モデルを提案する。
拡張性のある関数サンプリングを実現するため、GPモデル毎にランダムな特徴ベースのカーネル近似を利用する。
提案した EGP-TS を大域的最適に収束させるため,ベイズ的後悔の概念に基づいて解析を行う。
論文 参考訳(メタデータ) (2022-05-27T16:43:10Z) - 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) - Pathologies in priors and inference for Bayesian transformers [71.97183475225215]
ベイズ推定を用いた予測不確実性の観点からトランスフォーマーモデルを改善する試みは成功していない。
変換器の重み空間推定は, 近似後部に関係なくうまく動作しないことがわかった。
本稿では,ディリクレ分布の暗黙的再パラメータ化に基づく新しい手法を提案する。
論文 参考訳(メタデータ) (2021-10-08T10:35:27Z) - Optimal oracle inequalities for solving projected fixed-point equations [53.31620399640334]
ヒルベルト空間の既知の低次元部分空間を探索することにより、確率観測の集合を用いて近似解を計算する手法を検討する。
本稿では,線形関数近似を用いた政策評価問題に対する時間差分学習手法の誤差を正確に評価する方法について述べる。
論文 参考訳(メタデータ) (2020-12-09T20:19:32Z) - Understanding Variational Inference in Function-Space [20.940162027560408]
この設定で、Kullback-Leiblerの発散を利用する際の利点と制限を強調します。
近似品質を直接測定する関数空間推論手法のベンチマークとしてベイズ線形回帰法を提案する。
論文 参考訳(メタデータ) (2020-11-18T17:42:01Z) - Black-box density function estimation using recursive partitioning [20.18732483255139]
本稿では、逐次決定ループによって定義されるベイズ推定と一般ベイズ計算に対する新しいアプローチを提案する。
本手法はサンプル空間の再帰的分割を定義する。
出力は、効率的なデータ構造で編成されたパーティションを介して、正規化定数を含む全密度関数の近似である。
このアルゴリズムは、重力波物理のパラメータ推論を含む合成および実世界の問題に対する最近の最先端手法と競合する性能を示す。
論文 参考訳(メタデータ) (2020-10-26T14:47:32Z) - Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。
本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。
実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文 参考訳(メタデータ) (2020-07-20T12:07:48Z) - Adaptive quadrature schemes for Bayesian inference via active learning [0.0]
本稿では,能動的学習手法に基づく適応的な2次スキームを提案する。
代理密度を構築するための補間的手法をモンテカルロサンプリング法や他の二次規則と組み合わせて検討する。
数値的な結果は、天文学モデルにおける挑戦的推論問題を含む提案手法の利点を示している。
論文 参考訳(メタデータ) (2020-05-31T15:02:32Z) - Variational Inference as Iterative Projection in a Bayesian Hilbert
Space with Application to Robotic State Estimation [14.670851095242451]
変分ベイズ推論は統計学からロボット工学への応用を見つける重要な機械学習ツールである。
KLの発散に基づく変分推論は、ユークリッドの意味では、選択された近似族に対応する部分空間へのベイズ後方の反復射影に等しいことを示す。
論文 参考訳(メタデータ) (2020-05-14T21:33:31Z)
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。