불확실성 인식 딥 뉴럴 코레기오날리제이션
본 논문은 다변량 공간 데이터를 위한 확장 가능한 프레임워크인 Deep Neural Coregionalization(DNC)를 제안한다. DNC는 공간적으로 변하는 잠재 요인과 로딩 행렬을 각각 깊은 가우시안 프로세스(DGP) 사전으로 모델링해, 변수 간 비선형·비정상적 상관구조를 학습한다. 변분 ELBO를 최대화하는 과정이 DNN에 가중치 감쇠와 Monte‑Carlo 드롭아웃을 적용하는 것과 동등함을 보임으로써, MCMC 없이 미니배치 최적화…
저자: Yeseul Jeon, Aaron Scheffler, Rajarshi Guhaniyogi
본 논문은 다변량 지리통계학(multivariate geostatistics) 분야에서 기존 모델이 직면한 두 가지 핵심 문제, 즉 (1) 변수 간 복잡하고 비선형적인 공간 의존성, (2) 대규모 데이터에 대한 효율적인 불확실성 정량화, 를 동시에 해결하기 위해 “Deep Neural Coregionalization”(DNC)이라는 새로운 프레임워크를 제안한다.
### 1. 모델 구조
DNC는 전통적인 코레기오날리제이션(coregionalization) 모델을 확장한다. 기본 아이디어는 관측값 \(Y(s) =
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기