×
卡拉·蒙特鲁比奥·戈梅斯;拉西·罗伊宁;萨拉·韦德;西奥多罗斯·达穆拉斯;马克·吉洛米

稀疏分层非平稳模型的后验推理。 （英语） Zbl 1510.62068号

计算。统计数据分析。 148，文章ID 106954，21 p.（2020）.
概述：高斯过程是非参数建模的有用工具，通常采用平稳性假设。虽然消除这一假设可以改善预测，但拟合此类模型具有挑战性。基于具有随机空间变化参数的高斯马尔可夫随机场，构造了层次模型。重要的是，这允许非平稳性，同时也通过精度矩阵的稀疏带状表示来解决计算负担。在这种情况下，由于参数和超参数的强后验耦合，高效的马尔可夫链蒙特卡罗（MCMC）采样具有挑战性。为了更快地进行推理，利用带状矩阵运算，开发并比较了三种自适应MCMC方案。此外，通过一种保持模型灵活性和可扩展性的加性结构，同时继承了加性方法的可解释性，提出了一种对高维输入空间的新扩展。针对模拟实验和计算机仿真问题，对这些方法在非平稳环境中的效率和准确性进行了全面评估。

引用于7文件

MSC公司：

2008年6月62日 统计问题的计算方法
62G05型 非参数估计
62M40型 随机字段；图像分析
62立方米 从空间过程推断
60G15年 高斯过程

关键词：

高斯过程;多级模型;高斯马尔可夫随机场;MCMC公司;SPDE公司

软件：

convoSPAT公司;管理现金流量;G流量;laGP公司;三峡工程;TensorFlow公司;GMRF库
PDF格式BibTeX公司 XML格式引用
\textit{K.Monterrubio-Gómez}等人，计算。统计数据分析。148，文章ID 106954，21 p.（2020；Zbl 1510.62068）
全文： 内政部 arXiv公司

参考文献：

[1] Anderes，E.B。；Stein，M.L.，估计平面上各向同性高斯随机场的变形，Ann.Statist。，36, 2, 719-741 (2008) ·Zbl 1133.62077号
[2] 贝罗卡尔，V.J。；Raftery，A.E。；Gneiting，T。；Steed，R.C.，《冬季道路养护的概率天气预报》，J.Amer。统计师。协会，105490522-537（2010）·Zbl 1392.62330号
[3] Blomqvist，K。；Kaski，S。；Heinonen，M.，深卷积高斯过程（2018），arXiv:1810.03052，未发表的结果
[4] Buja，A。；哈斯蒂，T。；Tibshirani，R.，线性平滑器和加法模型，Ann.Statist。，17, 2, 453-510 (1989) ·Zbl 0689.62029号
[5] 陈，V。；邓洛普，M.M。；O.帕帕斯皮利奥普洛斯。；Stuart，A.M.，贝叶斯反问题中的维稳健MCMC（2019），arXiv:1803.03344，未发表的结果
[6] Cheng，L。；Ramchandran，S。；Vatanen，T。；利特赞，n。；拉赫斯马，R。；Vehtari，A。；Lähdesmäki，H.，纵向数据可解释非参数分析的加性高斯过程回归模型，自然公社。，10, 1, 1798 (2019)
[7] Damianou，A。；Lawrence，N.，Deep Gaussian processes，（Carvalho，C.M.；Ravikumar，P.，《第十六届人工智能与统计国际会议论文集》，《第十七届人工智能和统计国际会议文献集》，机器学习研究论文集，第31卷（2013），PMLR），207-215
[8] Donoho，D.L。；Johnstone，I.M.，《通过小波收缩适应未知平滑度》，J.Amer。统计师。协会，90，432，1200-1224（1995）·Zbl 0869.62024号
[9] 邓洛普，M.M。；吉罗拉米，M。；Stuart，A.M。；Teckentrup，A.L.，深高斯过程有多深？，J.马赫。学习。决议，19，1-46（2018）·Zbl 1469.60107号
[10] 北卡罗来纳州杜兰德。；V·亚当。；波尔多，L。；Eleftheriadis，S。；Hensman，J.，自动微分时代高斯马尔可夫模型的带状矩阵算子，（Chaudhuri，K。；Sugiyama，M.，《第22届国际人工智能与统计会议论文集》。第22届国际人工智能与统计会议论文集，《机器学习研究论文集》，第89卷（2019年），PMLR），2780-2789
[11] Duvenaud，D。；尼基什，H。；Rasmussen，C.E.，加法高斯过程，（《第24届神经信息处理系统国际会议论文集》，第24届国际神经信息处理会议论文集，NIPS’11（2011），Curran Associates Inc.），226-234
[12] Duvenaud，D。；Rippel，O。；亚当斯，R。；Ghahramani，Z.，《在非常深的网络中避免病理学》，（第十七届国际人工智能和统计会议论文集。第十七届人工智能和统计学国际会议论文集，机器学习研究论文集，第33卷（2014），PMLR），202-210
[13] Fagan，F。；班达里，J。；坎宁安，J.P.，带期望传播的椭圆切片取样，（第三十二届人工智能不确定性会议论文集。第三十二次人工智能不确定度会议论文集，UAI’16（2016），AUAI出版社），172-181
[14] Filippone，M。；钟，M。；Girolma，M.，高斯过程模型随机推理方法的比较评估，马赫数。学习。，93, 1, 93-114 (2013) ·Zbl 1294.62048号
[15] Fouedjio，F。；北卡罗来纳州德萨西斯。；Rivoirard，J.，非平稳随机函数的广义卷积模型和估计，Spat。统计，16，35-52（2016）
[16] 弗里德曼，J.H。；Stuetzle，W.，投影寻踪回归，J.Amer。统计师。协会，76376817-823（1981）
[17] Fuglstad，G.A。；林格伦，F。；D.辛普森。；Rue，H.，探索一类新的具有不同局部各向异性的非平稳空间高斯随机场，Statist。Sinica，25，1，115-133（2015）·兹比尔1480.62194
[18] Fuglstad，G.A。；D.辛普森。；林格伦，F。；Rue，H.，非平稳空间数据总是需要非平稳随机场吗？，小争吵。统计，14，505-531（2015）
[19] Gilboa，E。；Saatçi，Y。；坎宁安，J.P.，使用投影加性近似缩放多维高斯过程，（第30届机器学习国际会议论文集（2013）），454-461
[20] 吉尔博亚，E。；Saatçi，Y。；坎宁安，J.P.，结构化高斯过程的尺度多维推理，IEEE Trans。模式分析。机器。智力。，37, 2, 424-436 (2015)
[21] Gramacy，R.B.，Tgp：一个用于贝叶斯非平稳、半参数非线性回归的R包，并通过树状高斯过程模型进行设计，J.Stat.Softw。，19, 9, 1-46 (2007)
[22] Gramacy，R.B.，LaGP:通过R，J.Stat.Softw中的局部近似高斯过程进行大尺度空间建模。，72, 1, 1-46 (2016)
[23] Gramacy，R.B。；Lee，H.K.，贝叶斯树高斯过程模型及其在计算机建模中的应用，J.Amer。统计师。协会，103，483，1119-1130（2008）·Zbl 1205.62218号
[24] Harville，D.A.，《统计学家视角下的矩阵代数》，第1卷（1997），施普林格出版社·Zbl 0881.15001号
[25] 希顿，M.J。；Datta，A。；芬利，A.O。；富勒，R。；吉尼斯，J。；Guhaniyogi，R。；Gerber，F。；Gramacy，R.B。；哈姆林，D。；Katzfuss，M。；林格伦，F。；Nychka，D.W。；Sun，F。；Zammit-Magion，A.，《大型空间数据分析方法之间的竞争案例研究》，J.Agric。生物与环境。统计，24，3，398-425（2018）·Zbl 1426.62345号
[26] Hegde，P。；海诺宁，M。；Lähdesmäki，H。；Kaski，S.，《微分高斯过程流的深度学习》，（Chaudhuri，K.；Sugiyama，M.，《第二十二届国际人工智能与统计会议论文集》，《第22届国际人工智慧与统计会议文献集》，机器学习研究论文集，第89卷（2019），PMLR）， 1812-1821
[27] 海诺宁，M。；Mannerström，H。；鲁苏，J。；Kaski，S。；Lähdesmäki，H.，《非静态高斯过程与哈密尔顿蒙特卡罗回归》，（《第19届国际人工智能与统计会议论文集》，《第19次国际人工智能和统计会议论文集中》，《机器学习研究论文集》第51卷（2016），PMLR），732-740
[28] 凯皮奥，J。；Somersalo，E.，《统计与计算反问题》（2006），Springer Science&Business Media·Zbl 0927.35134号
[29] Katzfush，M.，《超大数据集的贝叶斯非平稳空间建模》，环境计量学，24，3，189-200（2013）
[30] Kim，H.-M。；马利克，B.K。；Holmes，C.，《使用分段高斯过程分析非平稳空间数据》，J.Amer。统计师。协会，100470653-668（2005）·Zbl 1117.62368号
[31] 克莱伯，W。；Nychka，D.，多元空间过程的非平稳建模，J.多元分析。，112, 76-91 (2012) ·Zbl 1273.62235号
[32] 朗·T。；普拉格曼，C。；Burgard，W.，地形建模的自适应非平稳核回归，（机器人：科学与系统（RSS）（2007））
[33] 林格伦，F。；H街。；Lindström，J.，《高斯场和高斯-马尔可夫随机场之间的明确联系：随机偏微分方程方法》，J.R.Stat.Soc.Ser。B统计方法。，73, 4, 423-498 (2011) ·Zbl 1274.62360号
[34] Matheron，G.，《内在随机函数及其应用》，高级应用。可能性。，439-468 (1973) ·Zbl 0324.60036号
[35] 马修斯，A.G。；范德威尔克，M。；Nickson，T。；Fujii，K。；布库瓦拉斯，A。；利奥·维拉格拉，P。；加赫拉马尼，Z。；Hensman，J.，《GPflow:使用TensorFlow，J.Mach的高斯过程库》。学习。第18号、第1号、第1299-1304号决议（2017年）·Zbl 1437.62127号
[36] 蒙塔格纳，S。；Tokdar，S.T.，非平稳高斯过程的计算机仿真，SIAM/ASA J.不确定性。数量。，4, 1, 26-47 (2016) ·Zbl 1387.62091号
[37] 我·穆雷。；Adams，R.P.，潜在高斯模型的切片抽样协方差超参数，（Lafferty，J.；Williams，C.；Shawe-Taylor，J.，Zemel，R.；Culotta，A.，《神经信息处理系统的进展》（2010），Curran Associates，Inc.），1732-1740
[38] 我·穆雷。；亚当斯，共和党人。；麦凯，D.J.，椭圆切片取样，（《第13届国际人工智能与统计会议论文集》，第13届人工智能与统计学国际会议论文集，《机器学习研究论文集》第9卷（2010）），541-548
[39] Neto，J.H.V。；施密特，A.M。；Guttorp，P.，《空间协方差结构中空间变化方向效应的解释》，J.R.Stat.Soc.Seri。C.申请。统计，63，1，103-122（2014）
[40] Paciorek，C.J。；Schervish，M.J.，使用一类新的非平稳协方差函数的空间建模，环境计量学，17，5，483-506（2006）
[41] Pintore，A。；Holmes，C.，《通过空间自适应谱的空间自适应非平稳协方差函数技术报告》（2004），牛津大学
[42] Raftery，A.E。；Lewis，S.M.，【实用马尔可夫链蒙特卡罗】：评论：诊断的一个长期运行：马尔可夫链蒙特卡罗的实现策略，统计师。科学。，7, 4, 493-497 (1992)
[43] Risser，M.D.，《非平稳空间建模，重点是过程卷积和协变量驱动方法》（2016），arXiv:1610.02447，未发表的结果
[44] Risser，医学博士。；Calder，C.A.，具有空间可变参数的协方差函数的局部似然估计：R，J.Stat.Softw的convoSPAT包。，81, 1, 1-32 (2017)
[45] Roberts，G.O。；Rosenthal，J.S.，自适应MCMC示例，J.Compute。图表。统计学。，18, 2, 349-367 (2009)
[46] 罗伊宁，L。；Girolma，M。；Lasanen，S。；Markkanen，M.，Matérn场的超验函数及其在贝叶斯反演中的应用，逆问题。成像，13，1，1-29（2019）·Zbl 1454.60068号
[47] H街。；Held，L.，《高斯马尔可夫随机场：理论与应用》（2005），Chapman和Hall/CRC·兹比尔1093.60003
[48] 桑普森，P。；Damian，D。；Guttorp，P.，《具有非平稳空间协方差的环境过程建模和推断进展》，（GeoENV III-环境应用地理统计学，第11卷（2001年），Springer），17-32
[49] 塞勒，M.C。；Seiler，F.A.，《C中的数值配方：科学计算的艺术》，《风险分析》。，9, 3, 415-416 (1989)
[50] Stathopoulos，V。；Zamora-Gutierrez，V。；琼斯，K。；Girolma，M.，用高斯过程多项式概率回归和动态时间扭曲核进行蝙蝠叫声识别，（《第十七届国际人工智能与统计会议论文集》，《第十七届国际人工智能与统计会议论文集》，《机器学习研究论文集》，第33卷（2014），PMLR），913-921
[51] Stein，M.L.，《非平稳空间协方差函数技术报告21》（2005年），芝加哥大学统计与环境科学整合中心：芝加哥大学统计和环境科学集成中心
[52] Titsias，M.K。；Papaspiliopoulos，O.，《基于梯度的辅助采样算法》，J.R.Stat.Soc.Ser。B统计方法。，80749-767（2018）·Zbl 1398.62035号
[53] Vannucci，M。；Corradi，F.，《小波系数的协方差结构：贝叶斯视角下的理论和模型》，J.R.Stat.Soc.Ser。B统计方法。，61, 4, 971-986 (1999) ·Zbl 0940.62023号
[54] Volodina，V。；Williamson，D.B.，使用内核混合的诊断驱动非平稳仿真器，SIAM/ASA J.Uncertain。数量。，8, 1, 1-26 (2020) ·Zbl 1436.62365号
[55] Wood，S.，Mgcv：带自动平滑度估计的混合GAM计算工具（2019年），R包版本1.8-31
[56] Yu，Y。；孟晓乐，“以中心还是不以中心为中心：这不是一个问题——提高MCMC效率的并行充分交织策略（ASIS），J.Compute。图表。统计学。，20, 3, 531-570 (2011)
[57] Yu，Y.R。；D.辛普森。；林格伦，F。；Rue，H.，使用随机微分方程的贝叶斯自适应平滑样条，贝叶斯分析。，9, 2, 397-424 (2014) ·Zbl 1327.62234号
[58] Zhang，H.，基于模型的地质统计学中的不一致估计和渐近相等插值，J.Amer。统计师。协会，99，465，250-261（2004）·Zbl 1089.62538号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。