Основные понятия
高次元サンプルにおける実行時間の劣化を解決するためのCUDAでの並列実装。
Аннотация
導入:ガウス過程(GP)は機械学習において重要。巨大データセットでは予測事後確率の計算が困難。
カーネル近似:JoukovとKuli´cによる分解されたカーネルを使用し、高次元サンプルへの拡張を提案。
実装詳細:CPUとGPUでベンチマークを行い、GPU上での並列計算がCPUよりも優れていることを示す。
結果と議論:GPU実装は高次元問題でも性能を維持し、低レンジやモバイルGPUでも有益。
結論:CUDAでの並列実装は多次元問題に対応し、実行速度を保ちつつ性能向上。
Статистика
JoukovとKuli´cによるFast approximate multioutput gaussian processes (2022) の導入部分から引用された数式や理論的背景が含まれています。