具有Wasserstein-2核的层次化高斯过程
机器学习
2022-02-02 v2 机器学习
摘要
堆叠高斯过程会严重削弱模型检测离群值的能力,当与非零均值函数结合时,进一步将低非参数方差外推至训练数据低密度区域。我们提出一种受Varifold理论启发的混合核,在欧氏空间与Wasserstein空间中均起作用。我们主张,在Wasserstein-2距离的计算中直接考虑方差,对于在整个层次结构中维持离群状态具有关键重要性。我们在中大规模数据集上展示了性能提升,并在玩具数据与真实数据上增强了分布外检测能力。
引用
@article{arxiv.2010.14877,
title = {Hierarchical Gaussian Processes with Wasserstein-2 Kernels},
author = {Sebastian Popescu and David Sharp and James Cole and Ben Glocker},
journal= {arXiv preprint arXiv:2010.14877},
year = {2022}
}