論文の概要: Gaussian Processes and Reproducing Kernels: Connections and Equivalences

• arxiv url: http://arxiv.org/abs/2506.17366v1
• Date: Fri, 20 Jun 2025 12:08:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.384563
• Title: Gaussian Processes and Reproducing Kernels: Connections and Equivalences
• Title（参考訳）: ガウス過程と再生カーネル:つながりと等価性
• Authors: Motonobu Kanagawa, Philipp Hennig, Dino Sejdinovic, Bharath K. Sriperumbudur,
• Abstract要約: モノグラフは、正定核を用いた2つのアプローチの関係を研究する:ガウス過程を用いた確率的方法と、再現されたカーネルヒルベルト空間(RKHS)を用いた非確率的方法 機械学習、統計学、数値解析で広く研究されている。
• 参考スコア（独自算出の注目度）: 38.51130427120958
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This monograph studies the relations between two approaches using positive definite kernels: probabilistic methods using Gaussian processes, and non-probabilistic methods using reproducing kernel Hilbert spaces (RKHS). They are widely studied and used in machine learning, statistics, and numerical analysis. Connections and equivalences between them are reviewed for fundamental topics such as regression, interpolation, numerical integration, distributional discrepancies, and statistical dependence, as well as for sample path properties of Gaussian processes. A unifying perspective for these equivalences is established, based on the equivalence between the Gaussian Hilbert space and the RKHS. The monograph serves as a basis to bridge many other methods based on Gaussian processes and reproducing kernels, which are developed in parallel by the two research communities.
• Abstract（参考訳）: このモノグラフは、ガウス過程を用いた確率的方法と、再現されたカーネルヒルベルト空間(RKHS)を用いた非確率的方法の2つのアプローチの関係を研究する。 機械学習、統計学、数値解析で広く研究されている。 それらの関係と等価性は、回帰、補間、数値積分、分布的不一致、統計的依存、およびガウス過程のサンプルパス特性といった基本的なトピックに対してレビューされる。 これらの同値性に対する統一的な視点は、ガウス・ヒルベルト空間とRKHSの間の同値性に基づいて確立される。 このモノグラフはガウス過程に基づく他の多くの手法を橋渡しし、2つの研究コミュニティによって並行して開発されたカーネルを再現する基礎となっている。

関連論文リスト

• Approximation properties relative to continuous scale space for hybrid discretizations of Gaussian derivative operators [0.5439020425819]
  本稿ではガウス微分に対する2つのハイブリッド離散化法の特性について解析する。 これらの離散化手法を研究する動機は、異なる順序の複数の空間微分が同じスケールレベルで必要である場合、より効率的に計算できることである。
  論文  参考訳（メタデータ） (2024-05-08T14:44:34Z)
• 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)
• Stationary Kernels and Gaussian Processes on Lie Groups and their Homogeneous Spaces II: non-compact symmetric spaces [43.877478563933316]
  対称性は、考慮できる事前情報の最も基本的な形態の1つである。 本研究では,非ユークリッド空間の非常に大きなクラス上に定常ガウス過程を構築するための構築的および実践的手法を開発する。
  論文  参考訳（メタデータ） (2023-01-30T17:27:12Z)
• Stationary Kernels and Gaussian Processes on Lie Groups and their Homogeneous Spaces I: the compact case [43.877478563933316]
  対称性は、考慮できる事前情報の最も基本的な形態の1つである。 本研究では,非ユークリッド空間の非常に大きなクラス上に定常ガウス過程を構築するための構築的および実践的手法を開発する。
  論文  参考訳（メタデータ） (2022-08-31T16:40:40Z)
• Gaussian Processes and Statistical Decision-making in Non-Euclidean Spaces [96.53463532832939]
  我々はガウス過程の適用性を高める技術を開発した。 この観点から構築した効率的な近似を幅広く導入する。 非ユークリッド空間上のガウス過程モデルの集合を開発する。
  論文  参考訳（メタデータ） (2022-02-22T01:42:57Z)

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。