論文の概要: Kernel-based retrieval models for hyperspectral image data optimized with Kernel Flows

• arxiv url: http://arxiv.org/abs/2411.07800v1
• Date: Tue, 12 Nov 2024 13:54:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-13 13:19:55.228952
• Title: Kernel-based retrieval models for hyperspectral image data optimized with Kernel Flows
• Title（参考訳）: Kernel Flows を用いたハイパースペクトル画像データのカーネルベース検索モデル
• Authors: Zina-Sabrina Duma, Tuomas Sihvonen, Jouni Susiluoto, Otto Lamminpää, Heikki Haario, Satu-Pia Reinikainen,
• Abstract要約: カーネルベースの統計手法は効率的であるが、その性能はカーネルパラメータの選択に大きく依存する。 K-PCR(Kernel principal Component Regression)を最適化し,KF-PLSとともにテストするための新しいKF型アプローチを提案する。 両手法は2つのハイパースペクトルリモートセンシングデータセットを用いて非線形回帰手法に対してベンチマークを行う。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Kernel-based statistical methods are efficient, but their performance depends heavily on the selection of kernel parameters. In literature, the optimization studies on kernel-based chemometric methods is limited and often reduced to grid searching. Previously, the authors introduced Kernel Flows (KF) to learn kernel parameters for Kernel Partial Least-Squares (K-PLS) regression. KF is easy to implement and helps minimize overfitting. In cases of high collinearity between spectra and biogeophysical quantities in spectroscopy, simpler methods like Principal Component Regression (PCR) may be more suitable. In this study, we propose a new KF-type approach to optimize Kernel Principal Component Regression (K-PCR) and test it alongside KF-PLS. Both methods are benchmarked against non-linear regression techniques using two hyperspectral remote sensing datasets.
• Abstract（参考訳）: カーネルベースの統計手法は効率的であるが、その性能はカーネルパラメータの選択に大きく依存する。 文献では、カーネルベースの化学手法の最適化研究は限定的であり、グリッド探索に還元されることが多い。 筆者らはKernel partial Least-Squares (K-PLS)回帰のカーネルパラメータを学習するためにKernel Flows (KF)を導入した。 KFは実装が容易で、オーバーフィッティングを最小化するのに役立ちます。 分光法におけるスペクトルと生物物理量のコリニアリティが高い場合、主成分回帰(PCR)のような単純な方法の方がより適している可能性がある。 そこで本研究では,Kernel principal Component Regression (K-PCR) を最適化し,KF-PLSとともにテストするための新しいKF型アプローチを提案する。 両手法は2つのハイパースペクトルリモートセンシングデータセットを用いて非線形回帰手法に対してベンチマークを行う。

関連論文リスト

• Kernel Sum of Squares for Data Adapted Kernel Learning of Dynamical Systems from Data: A global optimization approach [0.19999259391104385]
  本稿では,Kernel Sum of Squares (KSOS) 法の適用について検討する。 従来のカーネルベースの手法は、最適なベースカーネルの選択とパラメータチューニングにしばしば苦労する。 KSOSは、カーネルベースのサロゲート関数を持つグローバル最適化フレームワークを活用することで、これらの問題を緩和する。
  論文  参考訳（メタデータ） (2024-08-12T19:32:28Z)
• Learning Analysis of Kernel Ridgeless Regression with Asymmetric Kernel Learning [33.34053480377887]
  本稿では,局所適応バンド幅(LAB)RBFカーネルを用いたカーネルリッジレスレグレッションを強化する。 初めて、LAB RBFカーネルから学習した関数は、Reproducible Kernel Hilbert Spaces (RKHSs) の積分空間に属することを示した。
  論文  参考訳（メタデータ） (2024-06-03T15:28:12Z)
• KF-PLS: Optimizing Kernel Partial Least-Squares (K-PLS) with Kernel Flows [0.0]
  Kernel PLS (K-PLS) は非線形予測-応答関係をモデル化するために導入された。 K-PLSでは、入力データはカーネル関数を介して再生カーネルヒルベルト空間(RKH)にマッピングされる。 ガウス過程回帰(GPR)のために開発されたカーネルフロー(KF)に基づくカーネル関数最適化手法を提案する。
  論文  参考訳（メタデータ） (2023-12-11T17:32:36Z)
• On the Sublinear Regret of GP-UCB [58.25014663727544]
  ガウス過程上信頼境界 (GP-UCB) アルゴリズムは, ほぼ最適の後悔率を有することを示す。 私たちの改善は、基盤となるカーネルの滑らかさに比例してカーネルリッジ推定を正規化するという、重要な技術的貢献に依存しています。
  論文  参考訳（メタデータ） (2023-07-14T13:56:11Z)
• Learning "best" kernels from data in Gaussian process regression. With application to aerodynamics [0.4588028371034406]
  本稿では,ガウス過程の回帰/クリギングサロゲートモデリング手法におけるカーネルの選択/設計アルゴリズムを紹介する。 アルゴリズムの最初のクラスはカーネルフローであり、機械学習の分類の文脈で導入された。 アルゴリズムの第2のクラスはスペクトル核リッジ回帰と呼ばれ、近似される関数のノルムが最小となるような「最良の」カーネルを選択することを目的としている。
  論文  参考訳（メタデータ） (2022-06-03T07:50:54Z)
• Kernel Identification Through Transformers [54.3795894579111]
  カーネル選択はガウス過程(GP)モデルの性能決定において中心的な役割を果たす。 この研究は、高次元GP回帰モデルのためのカスタムカーネル関数を構築するという課題に対処する。 KITT: Kernel Identification through Transformersを提案する。
  論文  参考訳（メタデータ） (2021-06-15T14:32:38Z)
• Scalable Variational Gaussian Processes via Harmonic Kernel Decomposition [54.07797071198249]
  汎用性を維持しつつ高い忠実度近似を提供する,スケーラブルな変分ガウス過程近似を導入する。 様々な回帰問題や分類問題において,本手法は変換やリフレクションなどの入力空間対称性を活用できることを実証する。 提案手法は, 純粋なGPモデルのうち, CIFAR-10 の最先端化を実現する。
  論文  参考訳（メタデータ） (2021-06-10T18:17:57Z)
• Flow-based Kernel Prior with Application to Blind Super-Resolution [143.21527713002354]
  カーネル推定は一般にブラインド画像超解像(SR)の鍵となる問題の一つである 本稿では,カーネルモデリングのための正規化フローベースカーネルプリレント(fkp)を提案する。 合成および実世界の画像の実験により、提案したFKPがカーネル推定精度を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2021-03-29T22:37:06Z)
• SimpleMKKM: Simple Multiple Kernel K-means [49.500663154085586]
  単純なマルチカーネルk-means(SimpleMKKM)と呼ばれる,単純で効果的なマルチカーネルクラスタリングアルゴリズムを提案する。 我々の基準は、カーネル係数とクラスタリング分割行列における難解な最小化最大化問題によって与えられる。 クラスタリング一般化誤差の観点から,SimpleMKKMの性能を理論的に解析する。
  論文  参考訳（メタデータ） (2020-05-11T10:06:40Z)
• Improved guarantees and a multiple-descent curve for Column Subset Selection and the Nystr\"om method [76.73096213472897]
  我々は,データ行列のスペクトル特性を利用して近似保証を改良する手法を開発した。 我々のアプローチは、特異値減衰の既知の速度を持つデータセットのバウンダリが大幅に向上する。 RBFパラメータを変更すれば,改良された境界線と多重発振曲線の両方を実データセット上で観測できることが示される。
  論文  参考訳（メタデータ） (2020-02-21T00:43:06Z)

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。