論文の概要: Recommendations for Baselines and Benchmarking Approximate Gaussian Processes

• arxiv url: http://arxiv.org/abs/2402.09849v1
• Date: Thu, 15 Feb 2024 10:11:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-16 16:02:17.403307
• Title: Recommendations for Baselines and Benchmarking Approximate Gaussian Processes
• Title（参考訳）: ベースラインの勧告と近似ガウス過程のベンチマーク
• Authors: Sebastian W. Ober, Artem Artemev, Marcel Wagenl\"ander, Rudolfs Grobins, Mark van der Wilk
• Abstract要約: 我々は,ユーザがメソッドに何を期待すべきかの仕様に基づいて,GP近似を比較することを推奨する。 本研究では,利用者に選択肢を残さない変奏法を訓練する手法を開発した。
• 参考スコア（独自算出の注目度）: 16.99022711189259
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Gaussian processes (GPs) are a mature and widely-used component of the ML toolbox. One of their desirable qualities is automatic hyperparameter selection, which allows for training without user intervention. However, in many realistic settings, approximations are typically needed, which typically do require tuning. We argue that this requirement for tuning complicates evaluation, which has led to a lack of a clear recommendations on which method should be used in which situation. To address this, we make recommendations for comparing GP approximations based on a specification of what a user should expect from a method. In addition, we develop a training procedure for the variational method of Titsias [2009] that leaves no choices to the user, and show that this is a strong baseline that meets our specification. We conclude that benchmarking according to our suggestions gives a clearer view of the current state of the field, and uncovers problems that are still open that future papers should address.
• Abstract（参考訳）: Gaussian Process (GP) はMLツールボックスの成熟した、広く使われているコンポーネントである。 彼らの望ましい特質の1つは、ユーザの介入なしにトレーニングできる自動ハイパーパラメータ選択である。 しかし、多くの現実的な設定では、通常、近似が必要であり、通常はチューニングを必要とする。 このチューニングの要件は評価を複雑にし,どのメソッドをどの状況で使用するべきかという明確な勧告が欠如している,と我々は主張する。 そこで本研究では,ユーザがメソッドに何を期待すべきかの仕様に基づいてgp近似を比較することを推奨する。 さらに,ユーザが選択する選択肢を残さないtitsias[2009]の変分法に関するトレーニング手順を開発し,これが我々の仕様に合致する強力なベースラインであることを示す。 提案によるベンチマークは、この分野の現状をより明確に把握し、今後の論文が解決すべき課題を明らかにするものであると結論付けている。

関連論文リスト

• Tighter sparse variational Gaussian processes [22.290236192353316]
  Sparse variational Gaussian process (GP) 近似は、GPを大規模データセットにスケーリングするデファクトスタンダードとなっている。 本稿では、誘導点に与えられた条件的近似後続が前と一致しなければならないという標準仮定を緩和することにより、より厳密な変分近似を導入する。
  論文  参考訳（メタデータ） (2025-02-07T08:33:28Z)
• Adaptive Conformal Inference by Betting [51.272991377903274]
  データ生成プロセスについて仮定することなく適応型共形推論の問題を考察する。 適応型共形推論のための既存のアプローチは、オンライン勾配勾配の変種を用いたピンボール損失の最適化に基づいている。 本稿では,パラメータフリーなオンライン凸最適化手法を利用した適応型共形推論手法を提案する。
  論文  参考訳（メタデータ） (2024-12-26T18:42:08Z)
• Preference Discerning with LLM-Enhanced Generative Retrieval [28.309905847867178]
  我々は、選好識別という新しいパラダイムを提案する。 嗜好判断において、我々は、そのコンテキスト内でのユーザの嗜好に対して、生成的シーケンシャルなレコメンデーションシステムを明示的に条件付けする。 ユーザレビューと項目固有データに基づいて,Large Language Models (LLMs) を用いてユーザ嗜好を生成する。
  論文  参考訳（メタデータ） (2024-12-11T18:26:55Z)
• Efficient Learning of POMDPs with Known Observation Model in Average-Reward Setting [56.92178753201331]
  我々は,POMDPパラメータを信念に基づくポリシを用いて収集したサンプルから学習することのできる観測・認識スペクトル(OAS)推定手法を提案する。 提案するOAS-UCRLアルゴリズムに対して,OASプロシージャの整合性を示し,$mathcalO(sqrtT log(T)$の残差保証を証明した。
  論文  参考訳（メタデータ） (2024-10-02T08:46:34Z)
• Optimal Baseline Corrections for Off-Policy Contextual Bandits [61.740094604552475]
  オンライン報酬指標の偏りのないオフライン推定を最適化する意思決定ポリシーを学習することを目指している。 学習シナリオにおける同値性に基づく単一のフレームワークを提案する。 我々のフレームワークは、分散最適非バイアス推定器の特徴付けを可能にし、それに対する閉形式解を提供する。
  論文  参考訳（メタデータ） (2024-05-09T12:52:22Z)
• Conformal Approach To Gaussian Process Surrogate Evaluation With Coverage Guarantees [47.22930583160043]
  適応型クロスコンフォーマル予測区間を構築する手法を提案する。 結果として生じる共形予測区間は、ベイズ的信頼性集合に類似した適応性のレベルを示す。 原子炉の蒸気発生器における閉鎖現象の高コスト・評価シミュレータのサロゲートモデリングの文脈において, 本手法の適用可能性を示す。
  論文  参考訳（メタデータ） (2024-01-15T14:45:18Z)
• Sharp Calibrated Gaussian Processes [58.94710279601622]
  キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。 本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。 我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
  論文  参考訳（メタデータ） (2023-02-23T12:17:36Z)
• Learning robust marking policies for adaptive mesh refinement [0.0]
  標準適応有限要素法(AFEM)におけるマーキング決定を再考する。 我々はAMRをマルコフ決定プロセスとして再キャストし、実行時に修正パラメータをオンザフライで選択できる。 単一の再帰角のみを持つ2Dドメインでトレーニングされた単純な$hp$-refinementポリシは、はるかに複雑な2Dドメインにデプロイできるが、パフォーマンスの損失は大きい。
  論文  参考訳（メタデータ） (2022-07-13T16:56:49Z)
• 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)
• Top-N Recommendation with Counterfactual User Preference Simulation [26.597102553608348]
  ユーザーランキングに基づく好みの学習を目的としたTop-Nレコメンデーションは、長い間、広範囲のアプリケーションにおいて基本的な問題だった。 本稿では,データ不足問題に対処するため,因果推論フレームワーク内での推薦タスクの再構築を提案する。
  論文  参考訳（メタデータ） (2021-09-02T14:28:46Z)

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。