論文の概要: Time-Varying Transition Matrices with Multi-task Gaussian Processes

• arxiv url: http://arxiv.org/abs/2306.11772v1
• Date: Tue, 20 Jun 2023 15:22:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-22 16:14:46.860438
• Title: Time-Varying Transition Matrices with Multi-task Gaussian Processes
• Title（参考訳）: マルチタスクガウス過程による時間変化遷移行列
• Authors: Ekin Ugurel
• Abstract要約: 本稿では,カーネルベースのマルチタスクガウスプロセス(GP)モデルを提案する。 GP の制約点の集合を通じてマルコフ過程における組込み確率の制約を強制する。 我々の数値実験は,遷移確率の関数形式を学習しながら,所望の制約を強制する定式化の能力を示すものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we present a kernel-based, multi-task Gaussian Process (GP) model for approximating the underlying function of an individual's mobility state using a time-inhomogeneous Markov Process with two states: moves and pauses. Our approach accounts for the correlations between the transition probabilities by creating a covariance matrix over the tasks. We also introduce time-variability by assuming that an individual's transition probabilities vary over time in response to exogenous variables. We enforce the stochasticity and non-negativity constraints of probabilities in a Markov process through the incorporation of a set of constraint points in the GP. We also discuss opportunities to speed up GP estimation and inference in this context by exploiting Toeplitz and Kronecker product structures. Our numerical experiments demonstrate the ability of our formulation to enforce the desired constraints while learning the functional form of transition probabilities.
• Abstract（参考訳）: 本稿では,2つの状態を持つ時間不均質マルコフ法を用いて,個人の移動状態の基底関数を近似するカーネルベースマルチタスクガウス過程(gp)モデルを提案する。 提案手法は,タスク上で共分散行列を作成することにより,遷移確率の相関を生ずる。 また,個人の遷移確率が外因性変数に応じて時間とともに変化することを仮定して,時間変数を導入する。 我々はマルコフ過程における確率の確率性と非負性制約をGPの制約点の組を組み込むことによって実施する。 また, toeplitz と kronecker の積構造を活用し, この文脈でgp推定と推論を高速化する機会について考察する。 我々の数値実験は,遷移確率の関数形式を学習しながら,所望の制約を強制する定式化の能力を示す。

関連論文リスト

• A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
  非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。 後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。 実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2024-02-26T04:39:01Z)
• Logistic-beta processes for dependent random probabilities with beta marginals [58.91121576998588]
  本稿では,ロジスティック・ベータプロセスと呼ばれる新しいプロセスを提案する。 空間や時間などの離散領域と連続領域の両方への依存をモデル化でき、相関カーネルを通じて柔軟な依存構造を持つ。 本研究は,非パラメトリック二分回帰と条件密度推定の例による効果をシミュレーション研究と妊娠結果応用の両方で説明する。
  論文  参考訳（メタデータ） (2024-02-10T21:41:32Z)
• Entropic Matching for Expectation Propagation of Markov Jump Processes [38.60042579423602]
  本稿では,エントロピックマッチングフレームワークに基づく新たなトラクタブル推論手法を提案する。 簡単な近似分布の族に対して閉形式の結果を提供することにより,本手法の有効性を実証する。 我々は、近似予測法を用いて、基礎となるパラメータの点推定のための式を導出する。
  論文  参考訳（メタデータ） (2023-09-27T12:07:21Z)
• Work statistics for Quantum Spin Chains: characterizing quantum phase transitions, benchmarking time evolution, and examining passivity of quantum states [0.023020018305241332]
  我々は,Ising や Haldane のスピン鎖上の急激なクエンチ過程によって達成された作業のモーメント/累積値を評価するために,数値解析手法を用いた。 第2に,変動定理を数値的リアルタイム進化手法のベンチマーク指標として用いることを提案する。 第三に、いくつかの循環的インパルス過程下での量子スピン鎖の基底状態と熱状態の相似性について検討する。
  論文  参考訳（メタデータ） (2023-08-25T13:22:57Z)
• Deep Stochastic Processes via Functional Markov Transition Operators [59.55961312230447]
  本稿では,ニューラルパラメータ化マルコフ遷移作用素の列を関数空間に重ねて構築した新しいプロセス群(SP)を紹介する。 これらのマルコフ遷移作用素は、SPの交換可能性と整合性を維持することができることを証明している。
  論文  参考訳（メタデータ） (2023-05-24T21:15:23Z)
• Estimating Latent Population Flows from Aggregated Data via Inversing Multi-Marginal Optimal Transport [57.16851632525864]
  累積カウントデータから潜在人口フローを推定する問題について検討する。 この問題は、プライバシーの問題や測定の不確実性のために個々の軌道が利用できない場合に発生する。 我々はMOTフレームワークのコスト関数を学習し,集約データからの遷移フローを推定する。
  論文  参考訳（メタデータ） (2022-12-30T03:03:23Z)
• Contrastive learning of strong-mixing continuous-time stochastic processes [53.82893653745542]
  コントラスト学習(Contrastive Learning)は、ラベルのないデータから構築された分類タスクを解決するためにモデルを訓練する自己指導型の手法のファミリーである。 拡散の場合,小～中距離間隔の遷移カーネルを適切に構築したコントラスト学習タスクを用いて推定できることが示される。
  論文  参考訳（メタデータ） (2021-03-03T23:06:47Z)
• The Connection between Discrete- and Continuous-Time Descriptions of Gaussian Continuous Processes [60.35125735474386]
  我々は、一貫した推定子をもたらす離散化が粗粒化下での不変性を持つことを示す。 この結果は、導関数再構成のための微分スキームと局所時間推論アプローチの組み合わせが、2次または高次微分方程式の時系列解析に役立たない理由を説明する。
  論文  参考訳（メタデータ） (2021-01-16T17:11:02Z)
• Computational Phase Transitions: Benchmarking Ising Machines and Quantum Optimisers [0.0]
  最も厳しい例は、一様ランダム分布を許容する制御パラメータを持つ狭い領域で十分に集中しているように見える。 コヒーレントイジングマシンから生成した分布の計算位相遷移を観測できることが確立されている。
  論文  参考訳（メタデータ） (2020-09-11T18:00:00Z)
• Transition probabilities and transition rates in discrete phase space [0.0]
  離散位相空間における変位作用素の線型結合としてハミルトン変換を拡張することにより、ハミルトン進化の遷移速度がどのように計算されるかを示す。
  論文  参考訳（メタデータ） (2020-07-20T15:22:20Z)
• Fast Variational Learning in State-Space Gaussian Process Models [29.630197272150003]
  我々は共役計算変分推論と呼ばれる既存の手法に基づいて構築する。 ジャスト・イン・タイムのコンパイルを利用する効率的なJAX実装を提供しています。 我々の手法は、何百万ものデータポイントを持つ時系列にスケールできる状態空間GPモデルにおいて、高速かつ安定した変分推論をもたらす。
  論文  参考訳（メタデータ） (2020-07-09T12:06:34Z)

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。