本研究では、複雑で未知のプロセスのモデリングに適した新しい機械学習アプローチとして、多項式カオス展開ガウシアンプロセス(PCEGP)を提案している。
PCEGPの主な特徴は以下の通り:
PCEを使ってガウシアンプロセスのハイパーパラメータ(特に入力依存の長さスケールパラメータ)を計算することで、非定常な共分散関数を生成できる。これにより、実験空間全体の局所的な振る舞いを効果的にモデル化できる。
PCEを使って入力依存の不均一な雑音を推定することで、より正確なモデル予測が可能となる。
PCEによるハイパーパラメータ計算は数学的に解釈可能で透明性が高い。これにより、モデルの振る舞いを理解しやすい。
提案手法の性能評価では、ボストンハウジング、エネルギー効率、コンクリート圧縮強度の各ベンチマークデータセットで良好な結果が得られた。特に、従来手法と比べて予測誤差が小さく、競争力のある性能を示した。
PCEGP は、グローバルおよびローカルな実験空間を効果的にモデル化できる新しい機械学習アプローチであり、数学的な解釈可能性と高い予測精度を兼ね備えている。
To Another Language
from source content
arxiv.org
Önemli Bilgiler Şuradan Elde Edildi
by Domi... : arxiv.org 05-03-2024
https://arxiv.org/pdf/2405.01052.pdfDaha Derin Sorular