使用无迹变换学习具有任意核的 GPLVM
机器学习
2020-11-12 v2 机器学习
摘要
高斯过程潜变量模型 (GPLVM) 是处理高斯过程 (GPs) 中不确定输入并将 GPs 作为更大型图模型组件的灵活框架。然而，标准 GPLVM 变分推断方法仅对一小类核函数可处理。GPLVM 最流行的实现使用求积方法规避此限制，即便在相对较低维度下也可能成为计算瓶颈。例如，广泛使用的 Gauss-Hermite 求积在维度数量上具有指数复杂度。在本工作中，我们提出改用无迹变换。总体而言，该方法表现出与现成 GPLVM 解决方案相当甚至更优的性能，且其计算复杂度仅随维度线性增长。与蒙特卡洛方法不同，我们的方法是确定性的，并且与 Broyden-Fletcher-Goldfarb-Shanno (BFGS) 等拟牛顿方法配合良好。我们通过降维和带不确定性传播的多步超前预测实验说明了方法的适用性。
引用
@article{arxiv.1907.01867,
title = {Learning GPLVM with arbitrary kernels using the unscented transformation},
author = {Daniel Augusto R. M. A. de Souza and Diego Mesquita and César Lincoln C. Mattos and João Paulo P. Gomes},
journal= {arXiv preprint arXiv:1907.01867},
year = {2020}
}
备注
10 pages, currently under review