文献

J-GLOBAL ID：202002283840217359   整理番号：20A2445958

状態空間Gauss過程モデルにおける高速変分学習【JST・京大機械翻訳】

Fast Variational Learning in State-Space Gaussian Process Models

著者 (4件)： Chang Paul E. (Aalto University,Espoo,Finland) ,  Wilkinson William J. (Aalto University,Espoo,Finland) ,  Khan Mohammad Emtiyaz (RIKEN Center for AI Project,Tokyo,Japan) ,  Solin Arno (Aalto University,Espoo,Finland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： MLSP  ページ： 1-6  発行年： 2020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： 1D入力によるGauss過程(GP)回帰は,確率的微分方程式定式化によって線形時間でしばしば実行することができる。しかし,非Gauss尤度に対して,これは実装を困難にする近似推論法の適用を必要とし,例えば,期待値伝搬は数値的に不安定であり,変分推論は計算的に非効率である。本論文では,そのような困難を除去する新しい方法を提案した。共役計算変分推論と呼ばれる既存の方法に基づいて,この手法は,数値不安定性と収束問題を避けながら,Kalman再帰による線形時間推論を可能にする。即時の編集を利用する効率的なJAX実装を提供し,大きなループによる高速自動識別を可能にした。全体として,本手法は,数百万のデータポイントで時系列にスケーリングできる状態空間GPモデルにおける高速で安定な変分推論を導く。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 微分方程式 ,  *変分法 ,  *学習 ,  期待値 ,  共役 ,  *Gauss過程 ,  線形性 ,  一次元 ,  定式化
準シソーラス用語： 近似推論 ,  自動認識 ,  尤度 ,  状態空間 ,  変分推論 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 状態空間 ,  Gauss過程 ,  モデル ,  変分 ,  学習