論文の概要: Scaling Gaussian Process Regression with Full Derivative Observations

• arxiv url: http://arxiv.org/abs/2505.09134v1
• Date: Wed, 14 May 2025 04:35:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 21:44:09.376416
• Title: Scaling Gaussian Process Regression with Full Derivative Observations
• Title（参考訳）: 全微分観測によるガウス過程回帰のスケーリング
• Authors: Daniel Huang,
• Abstract要約: 本稿では、DSoftKIと呼ばれる完全な微分観測に適合し、予測できるスケーラブルなガウス過程(GP)法を提案する。 DSoftKIは、学習したポイント位置からソフトマックスでカーネルを近似するメソッドであるSoftKIを拡張し、デリバティブで設定する。 合成関数ベンチマークと高次元分子力場予測(100-1000次元)によるDSoftKIの評価
• 参考スコア（独自算出の注目度）: 0.951828574518325
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a scalable Gaussian Process (GP) method that can fit and predict full derivative observations called DSoftKI. It extends SoftKI, a method that approximates a kernel via softmax interpolation from learned interpolation point locations, to the setting with derivatives. DSoftKI enhances SoftKI's interpolation scheme to incorporate the directional orientation of interpolation points relative to the data. This enables the construction of a scalable approximate kernel, including its first and second-order derivatives, through interpolation. We evaluate DSoftKI on a synthetic function benchmark and high-dimensional molecular force field prediction (100-1000 dimensions), demonstrating that DSoftKI is accurate and can scale to larger datasets with full derivative observations than previously possible.
• Abstract（参考訳）: 本稿では、DSoftKIと呼ばれる完全な微分観測に適合し、予測できるスケーラブルなガウス過程(GP)法を提案する。 それは、学習された補間点位置からソフトマックス補間を通してカーネルを近似するメソッドであるSoftKIを、微分を用いた設定に拡張する。 DSoftKIはSoftkiの補間スキームを強化し、データに対する補間点の方向を組み込む。 これにより、補間による第1および第2階微分を含むスケーラブルな近似カーネルの構築が可能となる。 我々はDSoftKIを合成関数ベンチマークと高次元分子力場予測(100-1000次元)で評価し、DSoftKIが正確であり、より大規模なデータセットに拡張可能であることを示す。

関連論文リスト

• High-Dimensional Gaussian Process Regression with Soft Kernel Interpolation [0.8057006406834466]
  構造化カーネル補間(SKI)と変分誘導点法を組み合わせたソフトカーネル補間(SoftKI)を導入する。 SoftKIは、学習した少数のポイントから、ソフトマックスを介してカーネルを近似する。 様々な事例においてSoftKIの有効性を実証し、データ次元が穏やかな場合、他の近似GP手法と競合することを示す。
  論文  参考訳（メタデータ） (2024-10-28T18:13:56Z)
• Large-scale magnetic field maps using structured kernel interpolation for Gaussian process regression [0.9208007322096532]
  そこで本研究では,屋内環境における大規模磁場マップを計算するためのマッピングアルゴリズムを提案する。 シミュレーションでは, マッピング面積が増大する磁場マップにおいて, 現在の最先端手法よりも精度がよいことを示す。
  論文  参考訳（メタデータ） (2023-10-25T11:58:18Z)
• Neural Gradient Learning and Optimization for Oriented Point Normal Estimation [53.611206368815125]
  本研究では,3次元点雲から勾配ベクトルを一貫した向きで学習し,正規推定を行うためのディープラーニング手法を提案する。 局所平面幾何に基づいて角距離場を学習し、粗勾配ベクトルを洗練する。 本手法は,局所特徴記述の精度と能力の一般化を図りながら,グローバル勾配近似を効率的に行う。
  論文  参考訳（メタデータ） (2023-09-17T08:35:11Z)
• Stochastic Marginal Likelihood Gradients using Neural Tangent Kernels [78.6096486885658]
  線形化されたラプラス近似に下界を導入する。 これらの境界は漸進的な最適化が可能であり、推定精度と計算複雑性とのトレードオフを可能にする。
  論文  参考訳（メタデータ） (2023-06-06T19:02:57Z)
• Rigorous dynamical mean field theory for stochastic gradient descent methods [17.90683687731009]
  一階勾配法の一家系の正確な高次元に対する閉形式方程式を証明した。 これには勾配降下(SGD)やネステロフ加速度などの広く使われているアルゴリズムが含まれる。
  論文  参考訳（メタデータ） (2022-10-12T21:10:55Z)
• KERPLE: Kernelized Relative Positional Embedding for Length Extrapolation [72.71398034617607]
  KERPLEは、位置差のカーネル化によって外挿のための相対的な位置埋め込みを一般化するフレームワークである。 CPDカーネルの多様性により、原則的に長さ外挿を可能にする様々な RPE を導出できる。
  論文  参考訳（メタデータ） (2022-05-20T01:25:57Z)
• 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)
• SLEIPNIR: Deterministic and Provably Accurate Feature Expansion for Gaussian Process Regression with Derivatives [86.01677297601624]
  本稿では,2次フーリエ特徴に基づく導関数によるGP回帰のスケーリング手法を提案する。 我々は、近似されたカーネルと近似された後部の両方に適用される決定論的、非漸近的、指数関数的に高速な崩壊誤差境界を証明した。
  論文  参考訳（メタデータ） (2020-03-05T14:33:20Z)
• 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。