コンピュータ実験のためのVecchia近似深層Gauss過程【JST・京大機械翻訳】

Sauer Annie; Cooper Andrew; Gramacy Robert B.

プレプリント

J-GLOBAL ID：202202210341794594 整理番号：22P0327326

コンピュータ実験のためのVecchia近似深層Gauss過程【JST・京大機械翻訳】

Vecchia-approximated Deep Gaussian Processes for Computer Experiments

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年04月06日プレプリントサーバーでの情報更新日： 2022年08月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

深いGauss過程(DGPs)は,中間GP層が元の入力を縦糸する機能組成を通して通常のGPをアップグレードし,非定常動力学をモデル化する柔軟性を与える。最近の文献において,2つのDGP体制が出現した。機械学習に普及する「ビッグデータ」体制は,高速,高忠実度予測のための近似的,最適化ベース推論に好都合である。コンピュータ代理モデリングに好ましい「小さなデータ」体制は,強化された不確実性定量化(UQ)のための事後統合を展開する。Vecchia近似の組み込みによるBayesDGP事後推論の能力を拡張することにより,このギャップを埋めることを目的とし,精度やUQを損なうことなく線形計算スケーリングを可能にした。著者らは,以前の完全Bayessian実装に対して大きすぎるサイズの100,000ランの上方でのシミュレーションキャンペーンの代理モデリングによって動機づけられ,予測とUQが「ビッグデータ」競争者のそれより優れていることを実証した。すべての方法をCRANの「深いgp」パッケージに実装した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能 , システム・制御理論一般 , 地形データの処理

, , , ,

前のページに戻る