論文の概要: Mixed-Output Gaussian Process Latent Variable Models
- arxiv url: http://arxiv.org/abs/2402.09122v1
- Date: Wed, 14 Feb 2024 12:18:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-15 15:43:21.523928
- Title: Mixed-Output Gaussian Process Latent Variable Models
- Title(参考訳): 混合出力ガウス過程潜在変数モデル
- Authors: James Odgers, Chrysoula Kappatou, Ruth Misener, Sarah Filippi
- Abstract要約: 我々は信号分離のための非パラメトリックなアプローチを開発し、信号は潜時変数に応じて変化する可能性がある。
我々の貢献は分光学に特に関係しており、そこでは変化条件が変化し、基礎となる純粋な成分信号がサンプルからサンプルへと変化する可能性がある。
- 参考スコア(独自算出の注目度): 3.941471396723457
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work develops a Bayesian non-parametric approach to signal separation
where the signals may vary according to latent variables. Our key contribution
is to augment Gaussian Process Latent Variable Models (GPLVMs) to incorporate
the case where each data point comprises the weighted sum of a known number of
pure component signals, observed across several input locations. Our framework
allows the use of a range of priors for the weights of each observation. This
flexibility enables us to represent use cases including sum-to-one constraints
for estimating fractional makeup, and binary weights for classification. Our
contributions are particularly relevant to spectroscopy, where changing
conditions may cause the underlying pure component signals to vary from sample
to sample. To demonstrate the applicability to both spectroscopy and other
domains, we consider several applications: a near-infrared spectroscopy data
set with varying temperatures, a simulated data set for identifying flow
configuration through a pipe, and a data set for determining the type of rock
from its reflectance.
- Abstract(参考訳): この研究は、潜伏変数に応じて信号が変化するような信号分離に対するベイズ的非パラメトリックなアプローチを開発する。
我々の重要な貢献は、ガウス過程潜在変数モデル(GPLVM)を拡張して、各データポイントが複数の入力箇所で観測される既知の純粋なコンポーネント信号の重み付け和を含む場合を組み込むことである。
我々のフレームワークは、各観測の重み付けに様々な先行値を使用することができる。
この柔軟性により、分数メイクを推定するためのsum-to-one制約や、分類のためのバイナリ重みを含むユースケースを表現できます。
我々の貢献は分光学に特に関係しており、そこでは条件の変化によって、基礎となる純成分信号がサンプルからサンプルへと変化する可能性がある。
分光法と他の領域への適用性を示すために, 温度の異なる近赤外分光法データセット, 管内の流れを同定するための模擬データセット, 反射率から岩石の種類を決定するためのデータセットについて検討した。
関連論文リスト
- Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。
提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
論文 参考訳(メタデータ) (2023-11-30T13:50:21Z) - Joint Alignment of Multivariate Quasi-Periodic Functional Data Using
Deep Learning [0.0]
深層ニューラルネットワークを用いた多変量準周期関数の結合アライメント法を提案する。
提案するニューラルネットワークは,単位単純度変換に基づく出力の特別な活性化を利用する。
本手法は,12個の心電図記録から得られた2つのシミュレーションデータセットと1つの実例を用いて実証した。
論文 参考訳(メタデータ) (2023-11-14T10:09:40Z) - Enhanced sampling of Crystal Nucleation with Graph Representation Learnt
Variables [0.0]
低次元変数を導出するオートエンコーダを用いたグラフニューラルネットワークに基づく学習手法を提案する。
これらの変数は、状態から状態への遷移と信頼できる熱力学的重みを観察するために強化されたサンプリングでバイアスされる。
論文 参考訳(メタデータ) (2023-10-11T22:52:27Z) - Hodge-Aware Contrastive Learning [101.56637264703058]
単純コンプレックスは、マルチウェイ依存によるデータのモデリングに有効である。
我々は、単純なデータを処理するための対照的な自己教師付き学習手法を開発した。
論文 参考訳(メタデータ) (2023-09-14T00:40:07Z) - Samplet basis pursuit [0.0]
我々は,l1-regularizationによるサンプル座標のカーネルベース学習について検討する。
サンプルベースでスパース的に表現できる信号のクラスは、シングルスケールベースでスパース表現を示す信号のクラスよりもかなり大きい。
本稿では,複数のカーネルの辞書を用いて,ノイズデータから表面再構成や温度データの再構成を行うための数値ベンチマークと応用について述べる。
論文 参考訳(メタデータ) (2023-06-16T21:20:49Z) - Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。
条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。
提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
論文 参考訳(メタデータ) (2022-11-30T05:33:29Z) - Multimodal Exponentially Modified Gaussian Oscillators [4.233733499457509]
本研究では,任意振動項を持つ3段階多モード指数修正ガウスモデルを提案する。
これにより、人工物に苦しむ合成超音波信号を完全に回収することができる。
得られた特徴の分類能力を示すために実データ実験を行った。
論文 参考訳(メタデータ) (2022-09-25T11:48:09Z) - Fingerprint and universal Markovian closure of structured bosonic
environments [53.869623568923515]
本研究では, ボソニック環境のチェーンマッピング変換の特性を利用して, 環境の特徴的特徴, 指紋を捉えることができる有限なモードの集合を同定する。
マルコフ閉包は、標準連鎖写像技術に関して二次的なスピードアップを提供することを示す。
論文 参考訳(メタデータ) (2022-08-03T11:08:50Z) - Gaussian Process Regression for Absorption Spectra Analysis of Molecular
Dimers [68.8204255655161]
本稿では、ガウス過程回帰(GPR)から数値計算のパラメータを選択する機械学習技術に基づくアプローチについて議論する。
このアプローチは最適パラメータ集合に素早く収束するだけでなく、完全なパラメータ空間に関する情報を提供する。
実際、GPRは量子化学法を用いてこれらのパラメータの直接計算と一致した信頼性の高い結果を与える。
論文 参考訳(メタデータ) (2021-12-14T17:46:45Z) - Learning Exponential Family Graphical Models with Latent Variables using
Regularized Conditional Likelihood [10.21814909876358]
遅延可変グラフィカルモデリングのための正規化条件付き確率に基づく新しい凸緩和フレームワークを提案する。
我々は、実データだけでなく、合成に関する数値実験を通じて、我々のフレームワークの有用性と柔軟性を実証する。
論文 参考訳(メタデータ) (2020-10-19T11:16:26Z) - Quantitative Understanding of VAE as a Non-linearly Scaled Isometric
Embedding [52.48298164494608]
変分オートエンコーダ(VAE)は、各入力データに対応する潜伏変数の後方パラメータを推定する。
本稿では,VAEの微分幾何学的および情報理論的解釈を通じて,VAEの特性を定量的に理解する。
論文 参考訳(メタデータ) (2020-07-30T02:37:46Z)
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。