「62F15」カテゴリーアーカイブ

Looping in the Human Collaborative and Explainable Bayesian Optimization

投稿日: 2024年3月1日 作成者: jarxiv

要約 多くのオプティマイザーと同様、ベイジアン最適化も不透明なため、ユーザーの信 … 続きを読む →

カテゴリー: 62C10, 62F15, cs.HC, cs.LG, stat.ML | Looping in the Human Collaborative and Explainable Bayesian Optimization はコメントを受け付けていません

Looping in the Human Collaborative and Explainable Bayesian Optimization

投稿日: 2024年2月29日 作成者: jarxiv

要約 多くのオプティマイザーと同様、ベイジアン最適化も不透明なため、ユーザーの信 … 続きを読む →

カテゴリー: 62C10, 62F15, cs.HC, cs.LG, stat.ML | Looping in the Human Collaborative and Explainable Bayesian Optimization はコメントを受け付けていません

Improved identification accuracy in equation learning via comprehensive $\boldsymbol{R^2}$-elimination and Bayesian model selection

投稿日: 2023年11月23日 作成者: jarxiv

要約 方程式学習の分野では、基底関数辞書から導き出されるすべての可能な方程式を網 … 続きを読む →

カテゴリー: 37M99, 62-08, 62F15, 62J99, cs.AI, cs.LG, cs.NA, G.3, math.NA, stat.ML | Improved identification accuracy in equation learning via comprehensive $\boldsymbol{R^2}$-elimination and Bayesian model selection はコメントを受け付けていません

Online Student-$t$ Processes with an Overall-local Scale Structure for Modelling Non-stationary Data

投稿日: 2023年11月2日 作成者: jarxiv

要約 時間依存データは、非定常性や裾の重い誤差などの特性を示すことが多く、一般的 … 続きを読む →

カテゴリー: 62F15, cs.LG, stat.ML | Online Student-$t$ Processes with an Overall-local Scale Structure for Modelling Non-stationary Data はコメントを受け付けていません

Interpretable Traffic Event Analysis with Bayesian Networks

投稿日: 2023年10月11日 作成者: jarxiv

要約 交通事故分析のための既存の機械学習ベースの方法は、下流のタスクに高品質の結 … 続きを読む →

カテゴリー: 62F15, cs.LG, G.3, stat.AP | Interpretable Traffic Event Analysis with Bayesian Networks はコメントを受け付けていません

On the lifting and reconstruction of nonlinear systems with multiple attractors

投稿日: 2023年8月28日 作成者: jarxiv

要約 Koopman 演算子は、不変部分空間における観測量の進化に焦点を当てるこ … 続きを読む →

カテゴリー: 37M10, 37M25, 47B33, 62F15, cs.LG, math.DS | On the lifting and reconstruction of nonlinear systems with multiple attractors はコメントを受け付けていません

Quantifying degeneracy in singular models via the learning coefficient

投稿日: 2023年8月24日 作成者: jarxiv

要約 ディープ ニューラル ネットワーク (DNN) は、複雑な縮退を示す特異な … 続きを読む →

カテゴリー: 14B05, 62F15, 68T07, cs.AI, cs.LG, stat.ML | Quantifying degeneracy in singular models via the learning coefficient はコメントを受け付けていません

Bayesian taut splines for estimating the number of modes

投稿日: 2023年7月24日 作成者: jarxiv

要約 確率密度関数のモードの数はモデルの複雑さを表し、既存の部分母集団の数とみな … 続きを読む →

カテゴリー: 62C10, 62C86 (Secondary), 62F15, 62G05, cs.LG, math.ST, stat.ME, stat.ML, stat.TH | Bayesian taut splines for estimating the number of modes はコメントを受け付けていません

Domain-Agnostic Batch Bayesian Optimization with Diverse Constraints via Bayesian Quadrature

投稿日: 2023年6月12日 作成者: jarxiv

要約 現実世界の最適化問題は、多くの場合、(1) 多様な制約、(2) 離散空間と … 続きを読む →

カテゴリー: 62C10, 62F15, cs.AI, cs.LG, cs.NA, math.NA, stat.CO, stat.ML | Domain-Agnostic Batch Bayesian Optimization with Diverse Constraints via Bayesian Quadrature はコメントを受け付けていません

Sequential image recovery using joint hierarchical Bayesian learning

投稿日: 2023年5月22日 作成者: jarxiv

要約 間接的、ノイズの多い、または不完全なデータに基づいて時間的な画像シーケンス … 続きを読む →

カテゴリー: 15A29, 62F15, 65F22, 65K10, 68U10, cs.CV, cs.NA, math.NA | Sequential image recovery using joint hierarchical Bayesian learning はコメントを受け付けていません