抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
Gaussプロセス畳込みモデル(GPCM;Tobarら,2015a)は複雑なスペクトル構造の信号に対するモデルである。GPCMの重要な制限は,それが迅速に減衰するスペクトルを仮定することであり,それは滑らかな信号だけをモデル化することができる。さらに,GPCMにおける推論は,(1)平均場仮定,(2)不十分な較正不確実性,および(2)大きな共分散行列の退屈な変分最適化を必要とする。平滑度に関する緩和仮定を持つスペクトルにわたるより豊富な分布を誘発するためにGPCMモデルを再設計して,Causal Gauss過程畳込みモデル(CGPCM)はGPCMに因果律仮定を導入し,そして,粗いGaussプロセス畳込みモデル(RGPCM)は分数Ornstein-UhlenbeckプロセスのBayesノンパラメトリック一般化として解釈できる。また,平均場仮定を超えて,より効果的な変分推論スキームを提案し,最適変分解から直接的にサンプリングするGibbsサンプラを設計し,変分最適化を完全に回避した。GPCMの提案した変動を,合成および実世界データの実験で検証し,有望な結果を示した。【JST・京大機械翻訳】