Тип работы:
Предмет:
Язык работы:


Гауссовские процессы на некоторых пространствах графов

Работа №146578

Тип работы

Бакалаврская работа

Предмет

математика

Объем работы23
Год сдачи2024
Стоимость4750 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
28
Не подходит работа?

Узнай цену на написание


Глава 1. Введение 3
1.1. Гауссовские процессы 4
1.2. Стационарные и изотропные гауссовские процессы на
евклидовых пространствах 4
Глава 2. Пространства взвешенных графов 6
Глава 3. Изотропные гауссовские процессы на декартовом произ¬ведении простых циклов 8
3.1. Автоморфизмы 9
3.2. Вид изотропного ядра 10
3.3. Соотношение между классами изотропных и Ф-ядер .... 11
3.4. Эффективное вычисление изотропных ядер 13
3.5. Численная аппроксимация ядер изотропного процесса ... 16
3.6. Эксперименты 17
Глава 4. Изотропные гауссовские процессы на декартовом произ¬ведении полных графов 18
4.1. Вид изотропного ядра 18
4.2. Соотношение между классами изотропных и Ф-ядер 20
4.3. Эксперименты 21
Заключение 21
Благодарности 22
Список литературы 22

Основанные на гауссовских процессах модели бывают полезны в задачах, где требуется оценить неопределённость предсказаний. Особенно это
актуально в режиме небольшого количества данных для обучения. Такие примеры можно найти, например, в задачах оптимизации [3] или машинного
обучения, в частности обучении с подкреплением [8]. В практических приложениях зачастую важно определять гауссовские процессы на пространствах
со структурами, отличными от евклидовых. В качестве примера таких пространств можно привести римановы многообразия [4] или графы [1]. Геометрическая структура пространства представляет собой важную информацию,
которая может существенно повысить качество создаваемых моделей, что
делает такие процессы интересными для исследования.
Важным подклассом гауссовских процессов ялвяются изотропные процессы — процессы, распределения которых инвариантны относительно автоморфизмов пространства, на котором они определены. Эти процессы также
имеют практическую значимость, поскольку создаваемая модель становится
устойчивой к естественному классу преобразований входных данных.
В данной работе мы исследуем изотропные гауссовские процессы, определенные на некоторых пространствах взвешенных графов, где веса принимают значения из конечного множества. Случай, когда множество весов состоит
всего из двух элементов, рассмотрен в статье [1]. Настоящая работа является
обобщением на случай, когда веса могут принимать более двух значений. Такой подход особенно полезен, например, в задачах моделирования молекул,
где связи между атомами удобно описывать графами с весами, отражающими
характер этих связей. Для рассматриваемых пространств ранее в курсовой
работе был представлен общий вид изотропных процессов, в текущей статье
дополнительно предлагаются эффективные алгоритмы для их вычисления,
методы аппроксимации, а также некоторые дополнительные факты о взаимосвязях с другими важными подклассами изотропных ядер.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


В рамках данной работы были рассмотрены некоторые методы определения изотропных гауссовских процессов на графах с конечным множеством
весов. В результате удалось не только вывести общие формулы для ядер таких
процессов, но и предложить алгоритм их эффективного вычисления. Это является значительным результатом, ведь важным мотивом для таких исследо-
21ваний выступает их практическая применимость. Проведенные эксперименты
также продемонстрировали преимущество предложенных процессов для ряда задач. Мы надеемся, что данная работа позволила глубже понять задачи,
стоящие перед исследователями в этой области, и надеемся на дальнейшее
развитие этой темы в академическом сообществе.


[1] V. Borovitskiy, M. R. Karimi, V. R. Somnath, and A. Krause. «Isotropic gaussian processes on finite spaces of graphs», 2023.
[2] V. Borovitskiy, I. Azangulov, A. Terenin, P. Mostowsky, M. Deisenroth, and N. Durrande. «Matern Gaussian processes on graphs». In International Conference on Artificial Intelligence and Statistics, 2021.
[3] P. I. Frazier. «A tutorial on bayesian optimization», 2018.
[4] V. Borovitskiy, A. Terenin, P. Mostowsky, and M. P. Deisenroth. «Matern Gaussian processes on Riemannian manifolds.»In Advances in Neural Information Processing Systems, 2020.
[5] Schoenberg, I. J. «Metric Spaces and Positive Definite Functions.»Transactions of the American Mathematical Society 44, no. 3 (1938): 522-36.
[6] J. Matousek «Lecture notes on metric embeddings.»2013.
[7] R. Kondor and J. Lafferty. «Diffusion kernels on graphs and other discrete input spaces». ICML, Vol. 2, 05 2002.
[8] C. Rasmussen and C. Williams. «Gaussian Processes for Machine Learning». MIT Press, 2006.
[9] Mizukawa, H. (2004). Zonal spherical functions on the complex reflection groups and (n+1,m+1)-hypergeometric functions. Advances in Mathematics, 184(1), 1-17. doi:10.1016/s0001-8708(03)00092-6.
[10] J. T. Wilson, V. Borovitskiy, A. Terenin, P. Mostowsky, and M. P. Deisenroth. «Efficiently sampling functions from gaussian process posteriors», 2020.
[11] I. M. Yaglom. «Second-order homogeneous random fields». In Proceedings of the Fourth Berkeley Symposium on Mathematical Statistics and Probability, Volume 2: Contributions to Probability Theory, pages 593-622. University of California Press, 1961.


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ