গাউসিয়ান প্রক্রিয়াগুলি: বহুমাত্রিক আউটপুট জন্য কীভাবে জিপিএমএল ব্যবহার করবেন

13

জিপিএমএল ব্যবহার করে বহুমাত্রিক আউটপুটে (সম্ভবত পারস্পরিক সম্পর্কযুক্ত) গাউসীয় প্রক্রিয়া রিগ্রেশন করার কোনও উপায় আছে কি ?

ইন ডেমো স্ক্রিপ্ট আমি তো 1D উদাহরণ খুঁজে পাইনি।

সিভিতে একটি অনুরূপ প্রশ্ন যা বহুমাত্রিক ইনপুটটির ক্ষেত্রে কাজ করে।

আমি কিছু খুঁজে পেতে পারি কিনা তা দেখতে তাদের বইটি দিয়ে গিয়েছিলাম। ইন 9th অধ্যায় এই বই (অধ্যায় 9.1) এর, তারা একাধিক আউটপুট এই ক্ষেত্রে উল্লেখ করেছি। তারা এটির সাথে মোকাবিলা করার কয়েকটি উপায় উল্লেখ করেছেন, একটি - একটি সম্পর্কিত সম্পর্কযুক্ত শব্দ প্রক্রিয়া এবং দুটি - কোকরিগিং (পূর্বে সম্পর্কিত)।

আমি এখনও জানি না, কীভাবে আমি জিপিএমএল কাঠামোর মধ্যে এই ধারণাগুলির কোনওটিকে অন্তর্ভুক্ত করতে পারি।

এছাড়াও, আরও কি কোনও জিপি লাইব্রেরি / ফ্রেমওয়ার্ক রয়েছে যা বহুমাত্রিক আউটপুট সমর্থন করে?

— steadyfish
সূত্র

"স্ট্রাকচার্ড ডেটা প্রেডিক্টিং" ইনপুট এবং আউটপুট এর মধ্যে যৌথ কার্নেলগুলির ক্ষেত্রে এক-শ্রেণীর (কার্নেল ঘনত্বের অনুমান) ক্ষেত্রে SVM ব্যবহার করার কথা বলে। প্রদত্ত যে তারা উভয় কার্নেল মেশিন এই পদ্ধতির কাজ করা উচিত। আমি একটি কাগজ অনুরূপ কিছু উল্লেখ পাওয়া যায় নি। datamin.ubbcluj.ro/tr/2011/sogp.pdf কাঠামোগত শিখনের অ্যালগরিদমগুলি ফিট করার ক্ষেত্রে আমার চেষ্টাগুলি অত্যন্ত কৃপণ ।

— জেসিকা কলিন্স

7

আমি বিশ্বাস করি টুইন গাউসিয়ান প্রসেসি ঠিক আপনি যা খুঁজছেন তা হ'ল। আমি নিজেই কাগজের বিমূর্ততার চেয়ে মডেলটিকে আরও ভালভাবে বর্ণনা করতে পারি না, তাই আমি কেবল এটি অনুলিপি করে আটকাইচ্ছি:

আমরা দুটি গাউসিয়া প্রক্রিয়া (টিজিপি) 1 বর্ণনা করি, জেনেরিক স্ট্রাকচার্ড প্রেডিকশন পদ্ধতি যা কোওরিয়েট এবং প্রতিক্রিয়া উভয়ই মাল্টিভিয়ারেটে গসিয়ান প্রসেস (জিপি) প্রিরিয়ার [2] ব্যবহার করে এবং দুটি জিপি-র মধ্যে কুলব্যাক-লেবেলার বিচ্যুতি হ্রাস করে প্রশিক্ষণের সীমাবদ্ধ সূচক সেটগুলির উপরে সাধারণ বিতরণ হিসাবে মডেল করা হয় উদাহরণগুলি পরীক্ষার জন্য, অনুরূপ ইনপুটগুলির একই ধরণের ধারণা গ্রহণ করা উচিত এবং এই লক্ষ্যটি তাদের প্রান্তিক বিতরণগুলির মধ্যে গড়ে রাখা উচিত emphas টিজিপি কেবলমাত্র সাধারণ জিপি-র মতো কোভেরিয়েটের মধ্যে আন্তঃনির্ভরতাগুলি ক্যাপচার করে না, তাই উভয় ইনপুট এবং আউটপুটগুলির মধ্যে পারস্পরিক সম্পর্কের জন্য দায়ী। টিজিপিকে সম্প্রতি প্রত্যাশিত হিউম্যানএভা বেঞ্চমার্কে একরাকার এবং মাল্টিক্যামেরা ভিডিও সিকোয়েন্স থেকে 3 ডি মানব পোজ পুনর্নির্মাণের প্রতিশ্রুতিবদ্ধ ফলাফল সহ উদাহরণস্বরূপ বলা হয়েছে, যেখানে আমরা একাধিক ব্যক্তি এবং একাধিক ক্রিয়াকলাপের ডেটা ব্যবহার করে যৌথভাবে প্রশিক্ষিত মডেলগুলির জন্য প্রতি 3 ডি চিহ্নিতকারী হিসাবে গড়ে 5 সেমি ত্রুটি অর্জন করি। পদ্ধতিটি দ্রুত এবং স্বয়ংক্রিয়: এটির জন্য প্রাথমিক পোজ, ক্যামেরার ক্যালিব্রেশন প্যারামিটারগুলির কোনও হস্তশিল্পের প্রয়োজন নেই, বা প্রশিক্ষণের জন্য বা পরীক্ষার জন্য ব্যবহৃত মানব বিষয়গুলির সাথে সম্পর্কিত একটি 3 ডি বডি মডেলের উপস্থিতি নেই।

শুরু করার জন্য লেখকরা উদারভাবে কোড এবং নমুনা ডেটাসেট সরবরাহ করেছেন।

— ইয়াংশুই কও
সূত্র

@ কেয়ায় সাইটে আপনাকে স্বাগতম আপনি কি এই লিঙ্কটি সম্পর্কে একটি সামান্য তথ্য প্রদান করতে আপত্তি করতে হবে? এইভাবে পাঠকরা জানতে পারতেন যে এটি তাদের পক্ষে অনুসরণ করা উপযুক্ত কিনা এবং এর অর্থ হ'ল ভবিষ্যতের লিঙ্ক্রোটের ক্ষেত্রে এখানে এখনও মূল্যবান কিছু রয়েছে।

— গুং - মনিকা পুনরায়

@ গুং, থ্যাঙ্কস, আশা করি বিমূর্তটি কাজটি করবে।

— ইয়াংশুই কও

@ কেয় ... আপনি দয়া করে যমজ গাউসিয়ান প্রসেসিসের ভবিষ্যতের পূর্বাভাস বিতরণের ফলাফল এবং ফলাফলগুলির বিস্তৃতি সম্পর্কে বিস্তারিত বলতে পারেন?

— সন্দীপন কর্মকার

3

সংক্ষিপ্ত উত্তর বহু-মাত্রিক আউটপুট জন্য রিগ্রেশন কিছুটা জটিল এবং আমার বর্তমান জ্ঞানের স্তরটিতে জিপিএমএল টুলবক্সে সরাসরি অন্তর্ভুক্ত নয় incor

দীর্ঘ উত্তর আপনি আপনার বহুমাত্রিক আউটপুট রিগ্রেশন সমস্যাটি 3 টি বিভিন্ন অংশে বিভক্ত করতে পারেন।

আউটপুটগুলি একে অপরের সাথে সম্পর্কিত নয় - কেবল 1 ডি ক্ষেত্রে ডেমো স্ক্রিপ্টের মতো আউটপুটগুলিকে পৃথকভাবে পুনরায় চাপ দিন।
আউটপুট সম্পর্কিত হয় তবে তাদের মধ্যে সম্পর্ক জানে না - আপনি মূলত আউটপুটগুলির মধ্যে অভ্যন্তরীণ সম্পর্কগুলি শিখতে চান। বইটিতে কোক্রিগিংয়ের শুরু করার একটি ভাল উপায় হিসাবে উল্লেখ করা হয়েছে। জিপিএমএল ব্যতীত অন্যান্য সফ্টওয়্যার রয়েছে যা আপনাকে সরাসরি ককরাইং সম্পাদন করতে দেয়। ooDace
আউটপুট সম্পর্কিত এবং আপনি তাদের মধ্যে সম্পর্কটি জানেন - একটি নিয়মিত কোকরিগিং সম্পাদন করুন তবে আপনি আশাবাদীর মধ্যে সীমাবদ্ধতা প্রয়োগ করে (যদি আপনি লগের প্রান্তিক সম্ভাবনা হ্রাস করেন) তবে হল ও হুয়াং 2001 এর দ্বারা বলা হিসাবে বা কঠোর সীমাবদ্ধতা প্রয়োগ করতে পারেন কনস্ট্যান্টাইনসাইসু এবং অ্যানিয়েটস্কু 2013 এর আগে যেমনটি বলেছিল তেমন সম্পর্কের প্রয়োগ করুন ।

আমি আসা করি এটা সাহায্য করবে :)

— অঙ্কিত চিপলুঙ্কার
সূত্র

2

এটি সাইকিট-লার্নের একটি মডিউল যা আমার জন্য আশ্চর্যজনকভাবে ভাল কাজ করেছে:

http://scikit-learn.org/stable/auto_examples/gaussian_process/plot_gp_regression.html

# Instanciate a Gaussian Process model
gp = GaussianProcess(corr='cubic', theta0=1e-2, thetaL=1e-4, thetaU=1e-1,
                     random_start=100)

# Fit to data using Maximum Likelihood Estimation of the parameters
gp.fit(X, y)

# Make the prediction on the meshed x-axis (ask for MSE as well)
y_pred, MSE = gp.predict(x, eval_MSE=True)
sigma = np.sqrt(MSE)

— denfromufa
সূত্র

1

আমি মাল্টি আউটপুট গাউসিয়ান প্রসেসগুলি অনুসন্ধান করছিলাম এবং এর সাথে কাজ করার অনেকগুলি উপায় পেয়েছি যেমন, কনভোলশন পদ্ধতি, মিশ্রিত প্রভাবগুলির মডেলিং পদ্ধতি এবং সর্বশেষে এটি একটি টুইন গউসিয়ান প্রসেসেস (টিজিপি)।

যমজ গাউসিয়ান প্রসেসেস (টিজিপি) ধারণাটিতে আমার সন্দেহ আছে। কেউ কি আমাকে এতে সহায়তা করতে পারে?

টিজিপি-তে, লেখকরা ইনপুট এবং আউটপুটের বিপরীতে কেএল ডাইভারজেনকে হ্রাস করে ভবিষ্যদ্বাণী করা আউটপুট ( ) খুঁজে বের করছেন । তবে সাধারণভাবে, আমরা আউটপুট যেমন এর পূর্বাভাসমূলক বিতরণ সন্ধান করি । এখানে একটি বিষয় উল্লেখ করতে হবে যে ভবিষ্যদ্বাণীপূর্ণ বৈকল্পিক অর্থাৎ , কোনও ভূমিকা নেই। TGP ক্ষেত্রে, পূর্বাভাস আউটপুট হয় ভবিষ্যদ্বাণীপূর্ণ বিতরণের গড় হিসাবে একই ? $\hat{y}$ $p(y^*|\mathbf{y}) \sim \mathcal(\mu, \sigma^2)$ $\sigma^2$ $y$ $\hat{y}$ $y$

— সন্দীপন কর্মকার
সূত্র