Fugu-MT 論文翻訳(概要): Operator-Valued Kernels, Machine Learning, and Dynamical Systems

論文の概要: Operator-Valued Kernels, Machine Learning, and Dynamical Systems

arxiv url: http://arxiv.org/abs/2405.09315v2
Date: Fri, 11 Oct 2024 15:02:46 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-14 13:27:50.111152
Title: Operator-Valued Kernels, Machine Learning, and Dynamical Systems
Title（参考訳）: 演算子値カーネル、機械学習、動的システム
Authors: Palle E. T. Jorgensen, James Tian,
Abstract要約: ヒルベルト空間評価ガウス過程は力学や機械学習に応用される。さらなる応用は、新しい非可換ラドン-ニコディム定理を含む非可換確率論において与えられる。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: In the context of kernel optimization, we prove a result that yields new factorizations and realizations. Our initial context is that of general positive operator-valued kernels. We further present implications for Hilbert space-valued Gaussian processes, as they arise in applications to dynamics and to machine learning. Further applications are given in non-commutative probability theory, including a new non-commutative Radon--Nikodym theorem.
Abstract（参考訳）: カーネル最適化の文脈では、新しい分解と実現をもたらす結果が証明される。最初の文脈は、一般的な正の演算子値のカーネルである。ヒルベルト空間で評価されたガウス過程は、力学や機械学習にも応用される。さらなる応用は、新しい非可換ラドン-ニコディム定理を含む非可換確率論において与えられる。

関連論文リスト

A Mathematical Analysis of Neural Operator Behaviors [0.0]
本稿では,ニューラルネットワークの動作を分析するための厳密な枠組みを提案する。我々はそれらの安定性、収束性、クラスタリングダイナミクス、普遍性、一般化誤差に焦点を当てる。我々は,ニューラル演算子に基づく手法の今後の設計のために,単一設定で明確かつ統一的なガイダンスを提供することを目指している。
論文参考訳（メタデータ） (2024-10-28T19:38:53Z)
Neural Operators with Localized Integral and Differential Kernels [77.76991758980003]
本稿では,2つのフレームワークで局所的な特徴をキャプチャできる演算子学習の原理的アプローチを提案する。我々はCNNのカーネル値の適切なスケーリングの下で微分演算子を得ることを示す。局所積分演算子を得るには、離散連続的畳み込みに基づくカーネルの適切な基底表現を利用する。
論文参考訳（メタデータ） (2024-02-26T18:59:31Z)
Posterior Contraction Rates for Mat\'ern Gaussian Processes on Riemannian Manifolds [51.68005047958965]
我々は,本質的なガウス過程が実際により優れた性能を発揮することを示す。我々の研究は、データ効率の異なるレベルを区別するために、よりきめ細かい分析が必要であることを示している。
論文参考訳（メタデータ） (2023-09-19T20:30:58Z)
Deep Learning with Kernels through RKHM and the Perron-Frobenius Operator [14.877070496733966]
再生カーネル Hilbert $C*$-module (RKHM) は、複製カーネル Hilbert 空間 (RKHS) を$C*$-algebra を用いて一般化したものである。我々は、この設定で有界な新しいラデマッハ一般化を導出し、ペロン・フロベニウス作用素による良性過剰適合の理論的解釈を提供する。
論文参考訳（メタデータ） (2023-05-23T01:38:41Z)
Gaussian Processes on Distributions based on Regularized Optimal Transport [2.905751301655124]
最適正則輸送の双対定式化に基づく確率測度空間上の新しいカーネルを提案する。この構成がヒルベルトノルムを用いて有効なカーネルを得ることを可能にすることを証明している。このカーネルに基づくガウス過程の挙動に関する理論的保証を提供する。
論文参考訳（メタデータ） (2022-10-12T20:30:23Z)
Vector-valued Gaussian Processes on Riemannian Manifolds via Gauge Equivariant Projected Kernels [108.60991563944351]
本稿では、ベクトル値のガウス過程を幾何学に忠実に誘導するゲージ同変カーネルの構築法を提案する。我々は,変分推論などの標準ガウスプロセストレーニング手法を,この設定に拡張する。
論文参考訳（メタデータ） (2021-10-27T13:31:10Z)
Neural Operator: Learning Maps Between Function Spaces [75.93843876663128]
本稿では,無限次元関数空間間を写像する演算子,いわゆるニューラル演算子を学習するためのニューラルネットワークの一般化を提案する。提案したニューラル作用素に対して普遍近似定理を証明し、任意の非線形連続作用素を近似することができることを示す。ニューラル作用素に対する重要な応用は、偏微分方程式の解作用素に対する代理写像を学習することである。
論文参考訳（メタデータ） (2021-08-19T03:56:49Z)
Generalization Properties of Stochastic Optimizers via Trajectory Analysis [48.38493838310503]
本稿では,Fernique-Talagrand関数と局所パワーローの両方が一般化性能の予測可能であることを示す。本稿では,Fernique-Talagrand関数と局所パワーローの両方が一般化性能の予測可能であることを示す。
論文参考訳（メタデータ） (2021-08-02T10:58:32Z)
Advanced Stationary and Non-Stationary Kernel Designs for Domain-Aware Gaussian Processes [0.0]
再生カーネルヒルベルト空間(RKHS)の要素である所望の特性を持つ関数のみを許容する先進カーネル設計を提案する。いくつかの合成および2つの科学的データセットを用いて、先進的なカーネル設計がガウス過程に与える影響を示す。
論文参考訳（メタデータ） (2021-02-05T22:07:56Z)
Mat\'ern Gaussian processes on Riemannian manifolds [81.15349473870816]
ガウス過程の広く用いられるマタン類を一般化する方法を示す。また、Mat'ern から広く用いられる2乗指数過程への一般化も拡張する。
論文参考訳（メタデータ） (2020-06-17T21:05:42Z)
Analysis via Orthonormal Systems in Reproducing Kernel Hilbert $C^*$-Modules and Applications [12.117553807794382]
本稿では,Hilbert $C*$-module (RKHM) を再現した新しいデータ解析フレームワークを提案する。ヒルベルト$C*$-加群における正則系の構築の理論的妥当性を示し、RKHMにおける正則化の具体的な手順を導出する。我々は、RKHMカーネルの主成分分析とペロン・フロベニウス作用素を用いた力学系の解析を一般化するためにそれらを適用する。
論文参考訳（メタデータ） (2020-03-02T10:01:14Z)

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。