論文の概要: Review of Recent Advances in Gaussian Process Regression Methods
- arxiv url: http://arxiv.org/abs/2409.08112v1
- Date: Thu, 12 Sep 2024 15:05:01 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-13 16:07:58.642287
- Title: Review of Recent Advances in Gaussian Process Regression Methods
- Title（参考訳）: ガウス過程回帰法の最近の進歩
- Authors: Chenyi Lyu, Xingchi Liu, Lyudmila Mihaylova,
- Abstract要約: ガウス過程(GP)法は近年広く研究されており、特にビッグデータを持つ大規模システムや、データ不足時にさらに極端な場合について研究されている。
本稿では,最近開発された階層型外対角低ランク近似法やKronecker構造を持つGPなどの重要な因子化GP法について概説する。
- 参考スコア（独自算出の注目度）: 3.887339684437655
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Gaussian process (GP) methods have been widely studied recently, especially for large-scale systems with big data and even more extreme cases when data is sparse. Key advantages of these methods consist in: 1) the ability to provide inherent ways to assess the impact of uncertainties (especially in the data, and environment) on the solutions, 2) have efficient factorisation based implementations and 3) can be implemented easily in distributed manners and hence provide scalable solutions. This paper reviews the recently developed key factorised GP methods such as the hierarchical off-diagonal low-rank approximation methods and GP with Kronecker structures. An example illustrates the performance of these methods with respect to accuracy and computational complexity.
- Abstract（参考訳）: ガウス過程(GP)法は近年広く研究されており、特にビッグデータを持つ大規模システムや、データ不足時にさらに極端な場合について研究されている。
これらの方法の主な利点は次の通りである。
1)不確実性(特にデータ及び環境)がソリューションに与える影響を評価するための本質的な方法を提供する能力。
2) 効率的な因数分解に基づく実装
3.3は分散した方法で簡単に実装できるため、スケーラブルなソリューションを提供する。
本稿では,最近開発された階層型外対角低ランク近似法やKronecker構造を持つGPなどの重要な因子化GP法について概説する。
例として、これらの手法の精度と計算複雑性に関する性能を例に挙げる。
関連論文リスト
- A Scalable and Near-Optimal Conformance Checking Approach for Long Traces [3.3170150440851485]
プロセスマイニングにおける重要なタスクであるコンフォーマルティチェックは、最適なアライメントを見つけるという指数関数的な複雑さのため、計算不能になる可能性がある。
本稿では,これらの拡張性に対処する新しいスライディングウインドウ手法を提案する。
トレースを管理可能なサブトレースに分割し,プロセスモデルと反復的に整列することにより,検索空間を大幅に削減する。
論文 参考訳（メタデータ） (2024-06-08T11:04:42Z) - Predicted Embedding Power Regression for Large-Scale Out-of-Distribution
Detection [77.1596426383046]
本研究では,学習過程において学習したラベル分布に基づいて,予測されたクラスラベルの確率を計算する手法を開発した。
提案手法は,計算コストの最小化のみで,現在の最先端手法よりも優れた性能を発揮する。
論文 参考訳（メタデータ） (2023-03-07T18:28:39Z) - Stochastic Gradient Methods with Preconditioned Updates [47.23741709751474]
このような問題に対するアルゴリズムはいくつかあるが、既存の手法は、スケールが悪く、あるいは条件が悪ければ、しばしばうまく機能しない。
ここではハッチンソンの対角ヘッセン近似のアプローチに基づく前提条件を含む。
我々は滑らかさとPL条件が仮定されるときの収束性を証明する。
論文 参考訳（メタデータ） (2022-06-01T07:38:08Z) - Posterior and Computational Uncertainty in Gaussian Processes [52.26904059556759]
ガウスのプロセスはデータセットのサイズとともに違法にスケールする。
多くの近似法が開発されており、必然的に近似誤差を導入している。
この余分な不確実性の原因は、計算が限られているため、近似後部を使用すると完全に無視される。
本研究では,観測された有限個のデータと有限個の計算量の両方から生じる組合せ不確実性を一貫した推定を行う手法の開発を行う。
論文 参考訳（メタデータ） (2022-05-30T22:16:25Z) - MuyGPs: Scalable Gaussian Process Hyperparameter Estimation Using Local
Cross-Validation [1.2233362977312945]
本稿では,新しいGPハイパーパラメータ推定法であるMuyGPを提案する。
MuyGPsは、データの最も近い隣人構造を利用する事前のメソッドの上に構築される。
提案手法は, 解法と予測値の平均二乗誤差の両方において, 既知の競合よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-04-29T18:10:21Z) - Deep learning: a statistical viewpoint [120.94133818355645]
ディープラーニングは、理論的観点からいくつかの大きな驚きを明らかにしました。
特に、簡単な勾配法は、最適でないトレーニング問題に対するほぼ完全な解決策を簡単に見つけます。
我々はこれらの現象を具体的原理で補うと推測する。
論文 参考訳（メタデータ） (2021-03-16T16:26:36Z) - 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) - Scalable Gaussian Process Variational Autoencoders [17.345687261000045]
本稿では,実行時およびメモリフットプリントの観点から既存手法より優れた拡張性を持つGP-VAEモデルを提案する。
論文 参考訳（メタデータ） (2020-10-26T10:26:02Z) - GP3: A Sampling-based Analysis Framework for Gaussian Processes [8.40947366840848]
本稿では,既存の問題の多くを効率的に解けるGP3という新しいフレームワークを提案する。
計算は完全に並列化可能であるので、GPU処理の計算上の利点を多分解能サンプリングと組み合わせて利用することができる。
論文 参考訳（メタデータ） (2020-06-14T11:32:44Z) - Second-Order Guarantees in Centralized, Federated and Decentralized
Nonconvex Optimization [64.26238893241322]
単純なアルゴリズムは、多くの文脈において優れた経験的結果をもたらすことが示されている。
いくつかの研究は、非最適化問題を研究するための厳密な分析的正当化を追求している。
これらの分析における重要な洞察は、摂動が局所的な降下アルゴリズムを許容する上で重要な役割を担っていることである。
論文 参考訳（メタデータ） (2020-03-31T16:54:22Z)
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。