論文の概要: GPTreeO: An R package for continual regression with dividing local Gaussian processes

• arxiv url: http://arxiv.org/abs/2410.01024v1
• Date: Thu, 17 Oct 2024 16:45:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-04 23:40:11.800569
• Title: GPTreeO: An R package for continual regression with dividing local Gaussian processes
• Title（参考訳）: GPTreeO:局所ガウス過程を分割した連続回帰のためのRパッケージ
• Authors: Timo Braun, Anders Kvellestad, Riccardo De Bin,
• Abstract要約: 本稿では,スケーラブルなガウスプロセス(GP)回帰のための柔軟なRパッケージであるGPTreeOを紹介する。 GPTreeOはDividing Local Gaussian Processes (DLGP)アルゴリズムに基づいており、ローカルGP回帰器のバイナリツリーを動的に構築する。 我々は,GPTreeOの特徴が連続学習環境における回帰性能に与える影響を示すための感度解析を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce GPTreeO, a flexible R package for scalable Gaussian process (GP) regression, particularly tailored to continual learning problems. GPTreeO builds upon the Dividing Local Gaussian Processes (DLGP) algorithm, in which a binary tree of local GP regressors is dynamically constructed using a continual stream of input data. In GPTreeO we extend the original DLGP algorithm by allowing continual optimisation of the GP hyperparameters, incorporating uncertainty calibration, and introducing new strategies for how the local partitions are created. Moreover, the modular code structure allows users to interface their favourite GP library to perform the local GP regression in GPTreeO. The flexibility of GPTreeO gives the user fine-grained control of the balance between computational speed, accuracy, stability and smoothness. We conduct a sensitivity analysis to show how GPTreeO's configurable features impact the regression performance in a continual learning setting.
• Abstract（参考訳）: 本稿では,拡張ガウス過程(GP)回帰のための柔軟なRパッケージであるGPTreeOを紹介する。 GPTreeOはDividing Local Gaussian Processes (DLGP)アルゴリズムに基づいており、ローカルGP回帰器のバイナリツリーを入力データの連続ストリームを用いて動的に構築する。 GPTreeOでは、GPハイパーパラメータの連続最適化を可能にし、不確実な校正を取り入れ、ローカルパーティションの生成方法に関する新しい戦略を導入することで、元のDLGPアルゴリズムを拡張している。 さらに,GPTreeOでは,GPライブラリをインターフェースしてローカルGPレグレッションを実行することができる。 GPTreeOの柔軟性により、ユーザーは計算速度、精度、安定性、滑らかさのバランスを細かく制御できる。 我々は,GPTreeOの構成可能な特徴が連続学習環境における回帰性能に与える影響を示すための感度解析を行った。

関連論文リスト

• Domain Invariant Learning for Gaussian Processes and Bayesian Exploration [39.83530605880014]
  そこで本研究では,確率を最小限に最適化したガウス過程(DIL-GP)の領域不変学習アルゴリズムを提案する。 数値実験により、複数の合成および実世界のデータセットの予測におけるDIL-GPの優位性を示す。
  論文  参考訳（メタデータ） (2023-12-18T16:13:34Z)
• Interactive Segmentation as Gaussian Process Classification [58.44673380545409]
  クリックベースのインタラクティブセグメンテーション(IS)は、ユーザインタラクション下で対象オブジェクトを抽出することを目的としている。 現在のディープラーニング(DL)ベースの手法のほとんどは、主にセマンティックセグメンテーションの一般的なパイプラインに従っている。 本稿では,各画像上でガウス過程(GP)に基づく画素単位のバイナリ分類モデルとしてISタスクを定式化することを提案する。
  論文  参考訳（メタデータ） (2023-02-28T14:01:01Z)
• Scaling Gaussian Process Optimization by Evaluating a Few Unique Candidates Multiple Times [119.41129787351092]
  GPに基づく逐次ブラックボックス最適化は,複数の評価ステップの候補解に固執することで効率よく行うことができることを示す。 GP-UCB と GP-EI の2つのよく確立されたGP-Opt アルゴリズムを改良し,バッチ化された GP-Opt の規則を適応させる。
  論文  参考訳（メタデータ） (2022-01-30T20:42:14Z)
• Robust and Adaptive Temporal-Difference Learning Using An Ensemble of Gaussian Processes [70.80716221080118]
  本稿では、時間差学習(TD)による政策評価の世代的視点について考察する。 OS-GPTDアプローチは、状態-逆ペアのシーケンスを観測することにより、与えられたポリシーの値関数を推定するために開発された。 1つの固定カーネルに関連する限られた表現性を緩和するために、GP前の重み付けアンサンブル(E)を用いて代替のスキームを生成する。
  論文  参考訳（メタデータ） (2021-12-01T23:15:09Z)
• Non-Gaussian Gaussian Processes for Few-Shot Regression [71.33730039795921]
  乱変数ベクトルの各成分上で動作し,パラメータを全て共有する可逆なODEベースのマッピングを提案する。 NGGPは、様々なベンチマークとアプリケーションに対する競合する最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2021-10-26T10:45:25Z)
• Incremental Ensemble Gaussian Processes [53.3291389385672]
  本稿では,EGPメタラーナーがGP学習者のインクリメンタルアンサンブル(IE-) GPフレームワークを提案し,それぞれが所定のカーネル辞書に属するユニークなカーネルを持つ。 各GP専門家は、ランダムな特徴ベースの近似を利用してオンライン予測とモデル更新を行い、そのスケーラビリティを生かし、EGPメタラーナーはデータ適応重みを生かし、熟練者ごとの予測を合成する。 新たなIE-GPは、EGPメタラーナーおよび各GP学習者内における構造化力学をモデル化することにより、時間変化関数に対応するように一般化される。
  論文  参考訳（メタデータ） (2021-10-13T15:11:25Z)
• GPflux: A Library for Deep Gaussian Processes [31.207566616050574]
  GPfluxは、ディープガウス過程(DGP)に重点を置いたベイズディープラーニングのためのPythonライブラリである。 keras deep learning eco-systemと互換性があり、構築されている。 GPfluxはGPのオブジェクトと操作の大部分にGPflowに依存しており、効率的でモジュール化され拡張可能なライブラリである。
  論文  参考訳（メタデータ） (2021-04-12T17:41:18Z)
• GP-Tree: A Gaussian Process Classifier for Few-Shot Incremental Learning [23.83961717568121]
  GP-Treeはガウス過程と深層カーネル学習を用いた多クラス分類の新しい手法である。 木に基づく階層モデルを構築し,各内部ノードがデータにGPを適合させる。 我々の手法は、クラス数とデータサイズの両方でうまくスケールする。
  論文  参考訳（メタデータ） (2021-02-15T22:16:27Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)

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。