論文の概要: Conditioning of Banach Space Valued Gaussian Random Variables: An Approximation Approach Based on Martingales

• arxiv url: http://arxiv.org/abs/2404.03453v2
• Date: Mon, 5 Aug 2024 13:01:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-06 23:16:45.874382
• Title: Conditioning of Banach Space Valued Gaussian Random Variables: An Approximation Approach Based on Martingales
• Title（参考訳）: バナッハ空間値ガウス確率変数の条件付け:マルティンガレスに基づく近似的アプローチ
• Authors: Ingo Steinwart,
• Abstract要約: ガウス確率変数として有意な2つのバナッハ空間の条件分布について検討する。 それらの手段と共分散は、マルティンゲールアプローチに基づく一般的な有限次元近似スキームによって決定されることを示す。
• 参考スコア（独自算出の注目度）: 8.81121308982678
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper we investigate the conditional distributions of two Banach space valued, jointly Gaussian random variables. We show that these conditional distributions are again Gaussian and that their means and covariances are determined by a general finite dimensional approximation scheme based upon a martingale approach. In particular, it turns out that the covariance operators occurring in this scheme converge with respect to the nuclear norm and that the conditional probabilities converge weakly. Moreover, we discuss in detail, how our approximation scheme can be implemented in several classes of important Banach spaces such as RKHSs and $C(T)$. As an example, we then apply our general results to the case of Gaussian processes with continuous paths conditioned to partial but infinite observations of their paths. Here we show that conditioning on sufficiently rich, increasing sets of finitely many observations leads to consistent approximations, in the sense that both the mean and covariance functions converge uniformly. Moreover, we discuss how these results improve our understanding of the popular Gaussian processes for machine learning.
• Abstract（参考訳）: 本稿では,2つのバナッハ空間の条件分布について検討する。 これらの条件分布は再びガウス的であり、それらの手段と共分散は、マルティンゲールアプローチに基づく一般的な有限次元近似スキームによって決定されることを示す。 特に、このスキームで生じる共分散作用素は核ノルムに関して収束し、条件確率は弱収束する。 さらに、RKHSや$C(T)$といった重要なバナッハ空間のいくつかのクラスにおいて、我々の近似スキームをどのように実装できるかを詳細に議論する。 例えば、連続経路が部分的だが無限的な経路の観測に条件付けられたガウス過程の場合には、一般結果を適用する。 ここでは、十分リッチな有限個の観測の集合に対する条件付けが、平均関数と共分散関数の両方が一様に収束するという意味で、一貫した近似をもたらすことを示す。 さらに,機械学習におけるガウス過程の理解を深める方法について考察する。

関連論文リスト

• Approximation of optimization problems with constraints through kernel Sum-Of-Squares [77.27820145069515]
  我々は、点的不等式が非負の kSoS 関数のクラス内で等式となることを示す。 また, 等式制約に焦点をあてることで, 散乱不等式を用いることで, 制約のサンプリングにおける次元性の呪いを軽減することができることを示す。
  論文  参考訳（メタデータ） (2023-01-16T10:30:04Z)
• Kullback-Leibler and Renyi divergences in reproducing kernel Hilbert space and Gaussian process settings [0.0]
  正規化Kullback-LeiblerとR'enyiの発散をAlpha Log-Det(Log-Det)発散により定式化する。 特徴的核について、最初の設定は、完全可分な距離空間上の任意のボレル確率測度の間の分岐をもたらす。 我々は、Alpha Log-Detの発散がヒルベルト-シュミットノルムにおいて連続であることを示し、ヒルベルト空間値の確率変数に対して大数の法則を適用することができる。
  論文  参考訳（メタデータ） (2022-07-18T06:40:46Z)
• Gaussian Processes and Statistical Decision-making in Non-Euclidean Spaces [96.53463532832939]
  我々はガウス過程の適用性を高める技術を開発した。 この観点から構築した効率的な近似を幅広く導入する。 非ユークリッド空間上のガウス過程モデルの集合を開発する。
  論文  参考訳（メタデータ） (2022-02-22T01:42:57Z)
• Information Theory with Kernel Methods [0.0]
  これらの作用素のフォン・ノイマンエントロピーと相対エントロピーは、シャノンエントロピーと相対エントロピーの通常の概念と密接に関連していることを示す。 確率分布の様々なオーラクルから効率的な推定アルゴリズムが組み合わさっている。
  論文  参考訳（メタデータ） (2022-02-17T09:42:29Z)
• Nearest neighbor empirical processes [7.034466417392574]
  近辺から所与の点$x$への応答に基づく実証測度を導入し、中央統計量として研究する。 均一な非漸近境界は、一様エントロピー数上でよく知られた条件の下で成立し、しばしばVapnik-Chervonenkis (Vapnik-Chervonenkis) と呼ばれる。 これは、標準公式を用いて、全データの代わりに最も近い隣人だけを用いて分散を推定できる可能性を示唆している。
  論文  参考訳（メタデータ） (2021-10-27T08:15:20Z)
• Estimation of Riemannian distances between covariance operators and Gaussian processes [0.7360807642941712]
  無限次元正定値ヒルベルト・シュミット作用素間の2つの距離について検討する。 結果は、どちらの距離もヒルベルト・シュミットノルムに収束することを示している。
  論文  参考訳（メタデータ） (2021-08-26T09:57:47Z)
• 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)
• 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)
• Convergence of Gradient Algorithms for Nonconvex $C^{1+\alpha}$ Cost Functions [2.538209532048867]
  勾配が収束する副生成物を示し、収束率に明示的な上限を与える。 これにより、ドオブマルティンの超ガレ収束定理によるほぼ確実な収束を証明できる。
  論文  参考訳（メタデータ） (2020-12-01T16:48:59Z)
• Pathwise Conditioning of Gaussian Processes [72.61885354624604]
  ガウス過程後部をシミュレーションするための従来のアプローチでは、有限個の入力位置のプロセス値の限界分布からサンプルを抽出する。 この分布中心の特徴づけは、所望のランダムベクトルのサイズで3次スケールする生成戦略をもたらす。 条件付けのこのパスワイズ解釈が、ガウス過程の後部を効率的にサンプリングするのに役立てる近似の一般族をいかに生み出すかを示す。
  論文  参考訳（メタデータ） (2020-11-08T17:09:37Z)
• The Convergence Indicator: Improved and completely characterized parameter bounds for actual convergence of Particle Swarm Optimization [68.8204255655161]
  我々は、粒子が最終的に単一点に収束するか、分岐するかを計算するのに使用できる新しい収束指標を導入する。 この収束指標を用いて、収束群につながるパラメータ領域を完全に特徴づける実際の境界を提供する。
  論文  参考訳（メタデータ） (2020-06-06T19:08:05Z)

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。