이 논문은 가우시안 프로세스 회귀의 확장성을 높이기 위한 새로운 변분 특징인 통합 푸리에 특징(IFF)을 제안한다. 가우시안 프로세스 회귀는 불확실성 정량화에 유용하지만 N개의 데이터 포인트에 대해 O(N^3)의 비용이 드는 문제가 있다.
변분 근사 방법은 이 문제를 해결하기 위해 제안되었지만, 여전히 O(NM^2)의 비용이 든다. 최근 제안된 방법들은 O(M^3) 비용으로 성능을 개선했지만, 매우 제한적인 커널 클래스에서만 작동한다.
IFF는 이러한 한계를 극복하고 다양한 정지 공분산 함수에 대해 O(M^3) 비용으로 성능을 개선한다. 수렴 분석과 경험적 탐색을 통해 IFF 매개변수 선택을 동기화하고, 합성 및 실제 공간 회귀 작업에서 실용적인 가속을 보여준다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Talay M Chee... at arxiv.org 04-15-2024
https://arxiv.org/pdf/2308.14142.pdfDeeper Inquiries