文献

J-GLOBAL ID：201702284452325035   整理番号：17A1724625

Gauss過程回帰のための確率的相互検証推定量【Powered by NICT】

Probabilistic cross-validation estimators for Gaussian process regression

著者 (3件)： Martino Luca (Image Processing Laboratory, Universitat de Vale`ncia (Spain)) ,  Laparra Valero (Image Processing Laboratory, Universitat de Vale`ncia (Spain)) ,  Camps-Valls Gustau (Image Processing Laboratory, Universitat de Vale`ncia (Spain))
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EUSIPCO  ページ： 823-827  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Gauss過程(GP)は,回帰のための最新のツールである。GPハイパーパラメータの推定は,典型的には周辺対数尤度(ML)を最大化することにより行った。データはGPモデルに従うならば,MLアプローチを用いたが最適であり,計算的に効率的であった。不幸にも非常にしばしばこれが当てはまらないおよび準最適結果は,予測誤差の観点から得られた。交差検証(CV)スキームのような代替法はしばしば代わりに使用されているが,それらは通常高い計算コストを招く。特異的モデル選択への依存度を低減するために,二つの異なるモデルに基づいたCV(PCV)の確率的バージョンを提案した。PCVは両方のアプローチからの利点を示し,最大事後確率(MAP)または最小平均二乗誤差(MMSE)推定器のいずれかの解を見出すことができた。制御された状況での実験は,PCV溶液は両推定器のためのMLよりも優れていることを,PCV MMSEの結果は,他の伝統的なアプローチよりも優れていることを明らかにした。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *Gauss過程 ,  *推定量 ,  予測誤差
準シソーラス用語： 最小平均二乗誤差 ,  最大事後確率 ,  モデル選択 ,  計算コスト ,  対数尤度 ,  ハイパーパラメータ ,  *Gauss過程回帰 , 【Automatic Indexing@JST】

分類 (3件)： 数値計算  (JE02000J) ,  図形・画像処理一般  (JE04010I) ,  音声処理  (JE05000E)

タイトルに関連する用語 (4件)： Gauss過程回帰 ,  確率 ,  検証 ,  推定量