流形值数据的广义主动学习与统计实验设计
机器学习
2019-04-09 v1 机器学习
摘要
刻画真实世界表面的外观是多维反射测量学、计算机视觉与计算机图形学中的基本问题。对于许多应用而言,外观可由双向反射分布函数(BRDF)得到充分刻画。我们将 BRDF 测量视为从高维非线性非凸流形中采样得到的点。BRDF 流形构成一个无限维空间,但对于 BRDF 估计等复杂问题,通常可用的测量数据极为稀缺。因此,在执行测量时,高效的学习策略至关重要。本文构建了数学框架的基础,以便在统计实验设计与广义主动学习(proactive learning)中开发并应用新技术,从而为 BRDF 数据流形建立更高效的采样与测量策略。
引用
@article{arxiv.1904.03909,
title = {Generalized active learning and design of statistical experiments for manifold-valued data},
author = {Mikhail A. Langovoy},
journal= {arXiv preprint arXiv:1904.03909},
year = {2019}
}
备注
To appear in the Proceedings of the 62-nd World Statistics Congress (2019)