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。
並列Markov連鎖モンテカルロ(MCMC)は,2段階手法を用いることにより,大規模データセットへのBayes推定をスケールする並列計算を利用する。第1に,MCMCは,データ分割で定義された(サブ)後部で並列に実行される。次に,サーバは局所結果を結合した。効率的ではあるが,このフレームワークは,副次サンプリングの品質に非常に敏感である。低密度領域の欠測モードや誤表示のような共通サンプリング問題は,組合せ相で補正され,破滅的故障につながるように増幅される。本研究では,この問題を緩和するための新しい組合せ戦略を提案した。著者らの戦略,並列アクティブ推論(PAI)は,Gaussプロセス(GP)代理モデリングと能動学習を活用する。GPをサブ後部に当てはめた後,PAI(i)は,欠落モードをカバーするためにGP代理間の情報を共有する。および(ii)サブ後方近似を個々に精製するためにアクティブサンプリングを使用する。重い尾とマルチモーダル後部およびコンピュータ神経科学への実世界アプリケーションを含む,挑戦的なベンチマークにおけるPAIを検証した。経験的結果は,PAIが,以前の方法が,小さな通信オーバヘッドで破滅的に失敗するのを示している。【JST・京大機械翻訳】