검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Large-Scale Gaussian Process Regression Based on Random Fourier Features and Local Approximation with Tsallis Entropy 무작위 푸리에 특징과 Tsallis 엔트로피를 사용한 국소 근사를 기반으로 한 대규모 가우스 과정 회귀

Hongli ZHANG, Jinglei LIU

  • 조회수

    0

  • 이것을 인용

요약 :

과학 및 산업 분야에서 대량의 데이터가 출현함에 따라 예측 정확도를 향상하고 GPR(가우스 과정 회귀)의 높은 복잡성을 줄이는 것이 시급합니다. 그러나 전통적인 전역 근사와 국소 근사에는 상응하는 단점이 있습니다. 전역 근사는 국소 특징을 무시하는 경향이 있고 국소 근사는 과적합 문제가 있습니다. 이러한 문제를 해결하기 위해 무작위 푸리에 특징(RFF)과 국소 근사를 결합한 대규모 가우시안 프로세스 회귀 알고리즘(RFFLT)이 제안되었습니다. 1) 훈련 시간을 단축하기 위해 무작위 저차원 특징 공간에 매핑된 무작위 푸리에 특징 맵 입력 데이터를 사용하여 처리합니다. 알고리즘의 주요 혁신은 기존의 빠른 선형 처리 방법을 사용하여 특징을 설계하여 변환된 데이터의 내적이 사용자가 지정한 이동 불변 커널의 특징 공간 내 내적과 거의 동일하도록 하는 것입니다. 2) Tsallis 상호 정보 방법을 기반으로 하는 일반화된 견고한 베이지안 위원회 머신(GRBCM)은 로컬 근사에 사용되며, 이는 모델의 유연성을 향상시키고 이전 작업과 비교하여 전문가 가중치 분포의 희박한 표현을 생성합니다. 알고리즘 RFFLT는 XNUMX개의 실제 데이터 세트에서 테스트되었으며, 이는 회귀 예측 시간을 크게 단축하고 예측 정확도를 향상시켰습니다.

발행
IEICE TRANSACTIONS on Information Vol.E106-D No.10 pp.1747-1751
발행일
2023/10/01
공개일
2023/07/11
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2023EDL8016
원고의 종류
LETTER
범주
인공지능, 데이터마이닝

작성자

Hongli ZHANG
  Yantai University
Jinglei LIU
  Yantai University

키워드