論文の概要: BKP: An R Package for Beta Kernel Process Modeling

• arxiv url: http://arxiv.org/abs/2508.10447v2
• Date: Mon, 15 Sep 2025 10:20:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 15:23:16.322044
• Title: BKP: An R Package for Beta Kernel Process Modeling
• Title（参考訳）: BKP: ベータカーネルプロセスモデリングのためのRパッケージ
• Authors: Jiangyan Zhao, Kunhai Qing, Jin Xu,
• Abstract要約: 両項確率をモデル化するための、完全に非パラメトリックで計算的に効率的なフレームワークであるBeta Kernel Process(BKP)を提案する。 BKPモデルは、局所化されたカーネル重み付き確率と共役ベータ前の確率を結合させ、閉形式後部推論をもたらす。 これは、BKPベースのメソッドを実装するための最初の公開Rパッケージである。
• 参考スコア（独自算出の注目度）: 2.9600025934584235
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present BKP, a user-friendly and extensible R package that implements the Beta Kernel Process (BKP) -- a fully nonparametric and computationally efficient framework for modeling spatially varying binomial probabilities. The BKP model combines localized kernel-weighted likelihoods with conjugate beta priors, resulting in closed-form posterior inference without requiring latent variable augmentation or intensive MCMC sampling. The package supports binary and aggregated binomial responses, allows flexible choices of kernel functions and prior specification, and provides loss-based kernel hyperparameter tuning procedures. In addition, BKP extends naturally to the Dirichlet Kernel Process (DKP) for modeling spatially varying multinomial or compositional data. To our knowledge, this is the first publicly available R package for implementing BKP-based methods. We illustrate the use of BKP through several synthetic and real-world datasets, highlighting its interpretability, accuracy, and scalability. The package aims to facilitate practical application and future methodological development of kernel-based beta modeling in statistics and machine learning.
• Abstract（参考訳）: 本稿では,BKP(Beta Kernel Process)を実装したユーザフレンドリで拡張可能なRパッケージであるBKPについて述べる。 BKPモデルは、局所化されたカーネル重み付き確率と共役ベータ前の確率を組み合わせ、潜在変数増強や集中MCMCサンプリングを必要としない閉形式後部推論をもたらす。 このパッケージはバイナリと集約されたバイナリ応答をサポートし、カーネル関数と事前仕様の柔軟な選択を可能にし、ロスベースのカーネルハイパーパラメータチューニング手順を提供する。 さらに、BKPは空間的に変化する多項データや構成データをモデル化するためのディリクレカーネルプロセス(DKP)に自然に拡張する。 我々の知る限り、これはBKPベースのメソッドを実装するための最初の公開Rパッケージである。 いくつかの合成および実世界のデータセットを通して、BKPの使用について説明し、その解釈可能性、正確性、スケーラビリティを強調した。 このパッケージは、統計学と機械学習におけるカーネルベースのベータモデリングの実践的および将来の方法論的開発を促進することを目的としている。

関連論文リスト

• Empirical Gaussian Processes [18.40952262882312]
  経験的GPは、柔軟でデータ駆動のGPプリエントを構築するための原則化されたフレームワークである。 本研究では,経験的GPが学習曲線外挿と時系列予測ベンチマークの競合性能を達成することを示す。
  論文  参考訳（メタデータ） (2026-02-12T15:39:08Z)
• The Kernel Manifold: A Geometric Approach to Gaussian Process Model Selection [0.8536502059643899]
  カーネル・オブ・カーネルズ幾何に基づくベイズ最適化フレームワークを提案する。 多次元スケーリング(MDS)埋め込みは、離散カーネルライブラリを連続ユークリッド多様体にマッピングし、滑らかなBOを可能にする。 提案手法は, 合成ベンチマーク, 実世界の時系列データセット, 追加的な製造ケーススタディである。
  論文  参考訳（メタデータ） (2026-01-08T20:52:53Z)
• Logistic-beta processes for dependent random probabilities with beta marginals [58.91121576998588]
  本稿では,ロジスティック・ベータプロセスと呼ばれる新しいプロセスを提案する。 本稿では,提案したロジスティックベータプロセスを用いて,計算処理可能な非パラメトリックモデルの設計を行う方法について述べる。
  論文  参考訳（メタデータ） (2024-02-10T21:41:32Z)
• Beyond State Space Representation: A General Theory for Kernel Packets [15.951877874042644]
  カーネルパケット(KP)に基づく新しいフレームワークを提案する。 KP は SDE と低ランクの GP メソッドがフェールした場合に,正確なメモリ効率の推論が可能であることを示す。
  論文  参考訳（メタデータ） (2024-02-06T14:12:46Z)
• Poisson Process for Bayesian Optimization [126.51200593377739]
  本稿では、Poissonプロセスに基づくランキングベースの代理モデルを提案し、Poisson Process Bayesian Optimization(PoPBO)と呼ばれる効率的なBOフレームワークを提案する。 従来のGP-BO法と比較すると,PoPBOはコストが低く,騒音に対する堅牢性も良好であり,十分な実験により検証できる。
  論文  参考訳（メタデータ） (2024-02-05T02:54:50Z)
• FaDIn: Fast Discretized Inference for Hawkes Processes with General Parametric Kernels [82.53569355337586]
  この研究は、有限なサポートを持つ一般パラメトリックカーネルを用いた時間点プロセス推論の効率的な解を提供する。 脳磁図(MEG)により記録された脳信号からの刺激誘発パターンの発生をモデル化し,その有効性を評価する。 その結果,提案手法により,最先端技術よりもパターン遅延の推定精度が向上することが示唆された。
  論文  参考訳（メタデータ） (2022-10-10T12:35:02Z)
• PAC Reinforcement Learning for Predictive State Representations [60.00237613646686]
  部分的に観察可能な力学系におけるオンライン強化学習(RL)について検討する。 我々は、他のよく知られたモデルをキャプチャする表現モデルである予測状態表現(PSR)モデルに焦点を当てる。 我々は,サンプル複雑性のスケーリングにおいて,ほぼ最適なポリシを学習可能な,PSRのための新しいモデルベースアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-07-12T17:57:17Z)
• 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)
• A unified framework for closed-form nonparametric regression, classification, preference and mixed problems with Skew Gaussian Processes [1.0742675209112622]
  スキューゲージ過程 (skewgps) は有限次元ベクトル上の統一スキュー正規分布を函数上の分布へと拡張する。 SkewGP とprobit の確率が共役であることを示し、非パラメトリック二項分類と選好学習の正確な後部を計算できることを示した。
  論文  参考訳（メタデータ） (2020-12-12T15:58:16Z)
• Kernel learning approaches for summarising and combining posterior similarity matrices [68.8204255655161]
  我々は,ベイズクラスタリングモデルに対するMCMCアルゴリズムの出力を要約するための新しいアプローチを提案するために,後部類似性行列(PSM)の概念を構築した。 我々の研究の重要な貢献は、PSMが正の半定値であり、したがって確率的に動機付けられたカーネル行列を定義するのに使用できることである。
  論文  参考訳（メタデータ） (2020-09-27T14:16:14Z)
• DDKSP: A Data-Driven Stochastic Programming Framework for Car-Sharing Relocation Problem [17.440172040605354]
  カーシェアリング再配置問題 (CSRP) を不確実な要求下で検討する。 この問題を解決するために、データ駆動カーネルプログラミング(DDKSP)と呼ばれる革新的なフレームワークが提案されている。 提案手法は純パラメトリックアプローチを3.72%,4.58%,11%で上回っている。
  論文  参考訳（メタデータ） (2020-01-20T19:04:29Z)

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。