文献

J-GLOBAL ID：202202233504076885   整理番号：22A0893357

時空間シミュレータのための高次特異値分解テンソルエミュレータ【JST・京大機械翻訳】

A Higher-Order Singular Value Decomposition Tensor Emulator for Spatiotemporal Simulators

著者 (2件)： Gopalan Giri (Statistics Department, California Polytechnic State University, San Luis Obispo, CA, USA) ,  Wikle Christopher K. (Department of Statistics, University of Missouri, Columbia, MO, USA)
資料名： Journal of Agricultural, Biological, and Environmental Statistics  (Journal of Agricultural, Biological, and Environmental Statistics)
巻： 27  号： 1  ページ： 22-45  発行年： 2022年 
JST資料番号： W2077A  ISSN： 1085-7117  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： エミュレーションに対する特異値分解(SVD)アプローチの拡張として高次特異値分解(HOSVD)を用いる環境および生態学的時空間プロセスのためのエミュレータを構築するための方法論を導入した。この方法のいくつかの重要な利点は,教師つき学習法(例えば,ランダムフォレストとGaussプロセス回帰)の組み合わせの使用を可能にし,また,訓練サンプルで使用されない空間位置と時間点でのプロセス値の予測を可能にすることである。方法は2つのアプリケーションで実証される:第1は氷河学からの浅い氷近似偏微分方程式に対する周期解であり,第2は集団動物運動のエージェントベースモデルである。両事例において,正確なエミュレーションのために異なる機械学習モデルを組み合わせる値を実証した。さらに,エージェントベースモデル事例において,空間と時間における個々の挙動をうまく捉えるテンソルエミュレータの能力を実証した。実際のデータ例を通して,集団的動物行動を支配するパラメータを学習するためにBayes推論を実行する能力を実証した。Copyright International Biometric Society 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *テンソル ,  偏微分方程式 ,  *シミュレータ ,  Bayes推定 ,  Gauss過程 ,  近似法 ,  エミュレーション ,  応用プログラム ,  生態学 ,  動物行動 ,  *エミュレータ ,  エージェントモデル ,  機械学習 ,  *特異値分解
準シソーラス用語： ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (6件)： エージェントベースモデル ,  Bayes ,  集団運動 ,  機械学習 ,  代理人 ,  テンソル

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 時空間 ,  シミュレータ ,  特異値分解 ,  テンソル ,  エミュレータ