Fugu-MT 論文翻訳(概要): Online Gradient Computation for Warping Gaussian Process Transformations

論文の概要: Online Gradient Computation for Warping Gaussian Process Transformations

arxiv url: http://arxiv.org/abs/2609.16472v1
Date: Tue, 15 Sep 2026 00:44:38 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-16 14:56:08.28718
Title: Online Gradient Computation for Warping Gaussian Process Transformations
Title（参考訳）: ガウス過程変換のためのオンライングラディエント計算
Abstract要約: ワープガウス過程(英語版)(Warped Gaussian process, GP)は、非ガウスの観測を、ワープと呼ばれるパラメトリック変換を通じて、潜在標準のGPにマッピングすることで処理する。しかし、既存のストリーミングの変種は、周期的にワープパラメータを最適化するか、より高いモデル能力のために分析的トラクタビリティを犠牲にするかのいずれかである。本稿では,遅延GPモーメントを共同で更新し,ワープパラメータを最適化する,ワープGPの新しいオンライン手法を提案する。
参考スコア（独自算出の注目度）: 10.695203913811314
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Warped Gaussian processes (GPs) handle non-Gaussian observations by mapping them into a latent standard GP via a parametric transformation called warping. Existing streaming variants, however, either optimize the warping parameters periodically or sacrifice analytical tractability for a higher model capacity. To bridge this gap, we show that the gradient of the instantaneous negative log-likelihood of a warped GP admits an exact recursive computation. Based on this result, we propose a novel online method for warped GPs that jointly updates the latent GP moments and optimizes the warping parameters.
Abstract（参考訳）: ワープガウス過程(英語版)(Warped Gaussian process, GP)は、非ガウスの観測を、ワープと呼ばれるパラメトリック変換を通じて、潜在標準のGPにマッピングすることで処理する。しかし、既存のストリーミングの変種は、周期的にワープパラメータを最適化するか、より高いモデル能力のために分析的トラクタビリティを犠牲にするかのいずれかである。このギャップを埋めるために、歪んだGPの瞬時負の対数類似性の勾配が正確な再帰的計算を許すことを示す。この結果に基づいて,潜時GPモーメントを共同で更新し,ワープパラメータを最適化する,ワープされたGPの新しいオンライン手法を提案する。

関連論文リスト

Model-Based Reparameterization Policy Gradient Methods: Theory and Practical Algorithms [88.74308282658133]
Reization (RP) Policy Gradient Methods (PGM) は、ロボット工学やコンピュータグラフィックスにおける連続的な制御タスクに広く採用されている。近年の研究では、長期強化学習問題に適用した場合、モデルベースRP PGMはカオス的かつ非滑らかな最適化環境を経験する可能性があることが示されている。本稿では,長期モデルアンロールによる爆発的分散問題を緩和するスペクトル正規化法を提案する。
論文参考訳（メタデータ） (2023-10-30T18:43:21Z)
Deep Transformed Gaussian Processes [0.0]
変換ガウス過程(英: Transformed Gaussian Processs、TGP)は、可逆変換を用いて、前者のプロセス(典型的にはGP)からサンプルを共分散から変換することによって定義される過程である。本稿では,プロセスの階層化の傾向に従い,DTGP(Deep Transformed Gaussian Processs)と呼ばれるTGPの一般化を提案する。実験では、提案したDTGPを複数の回帰データセットで評価し、優れたスケーラビリティと性能を実現した。
論文参考訳（メタデータ） (2023-10-27T16:09:39Z)
Non-Gaussian Process Regression [0.0]
我々はGPフレームワークを時間変化したGPの新たなクラスに拡張し、重い尾の非ガウス的振る舞いの簡単なモデリングを可能にする。このモデルに対するマルコフ連鎖モンテカルロ推論手順を示し、潜在的な利点を実証する。
論文参考訳（メタデータ） (2022-09-07T13:08:22Z)
Shallow and Deep Nonparametric Convolutions for Gaussian Processes [0.0]
GPの非パラメトリックプロセス畳み込み定式化を導入し,機能サンプリング手法を用いて弱点を緩和する。古典的ディープGPモデルの代替となるこれらの非パラメトリック畳み込みの合成を提案する。
論文参考訳（メタデータ） (2022-06-17T19:03:04Z)
Surrogate modeling for Bayesian optimization beyond a single Gaussian process [62.294228304646516]
本稿では,探索空間の活用と探索のバランスをとるための新しいベイズ代理モデルを提案する。拡張性のある関数サンプリングを実現するため、GPモデル毎にランダムな特徴ベースのカーネル近似を利用する。提案した EGP-TS を大域的最適に収束させるため,ベイズ的後悔の概念に基づいて解析を行う。
論文参考訳（メタデータ） (2022-05-27T16:43:10Z)
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)
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)
Deep Gaussian Process Emulation using Stochastic Imputation [0.0]
本稿では,命令を用いた計算機モデルエミュレーションのための新しいディープガウス過程 (DGP) 推論法を提案する。この手法は、遅延層を強制的に命令することで、DGPをリンクされたGPに変換し、これは、フィードフォワード結合GPの系をリンクすることによって形成される最先端の代理モデルである。
論文参考訳（メタデータ） (2021-07-04T10:46:23Z)
Warped Gaussian Processes in Remote Sensing Parameter Estimation and Causal Inference [7.811118301686077]
マルチスペクトルデータから海洋クロロフィル含有量を推定するための提案モデルの良好な性能を示す。モデルは標準GPおよびより高度のheteroscedastic GPモデルより一貫してよく実行します。
論文参考訳（メタデータ） (2020-12-09T09:02:59Z)
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)

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。