변환된 잠재 변수 다중 출력 가우시안 프로세스 (T-LVMOGP)

요약

T-LVMOGP(Transformed Latent Variable MOGP)는 고차원 출력 공간의 데이터셋에 적용되는 다중 출력 가우시안 프로세스(MOGPs)의 확장성 문제를 해결하기 위해 제안된 새로운 프레임워크입니다. 이 모델은 Lipschitz 정규화 신경망을 사용하여 입력과 출력 특이 잠재 변수를 임베딩함으로써 유연한 다중 출력 심층 커널을 구성합니다. 확률적 변분 추론과 결합되어, 10,000개 이상의 출력을 가진 복잡한 데이터셋에서도 높은 예측 정확도와 계산 효율성을 입증했습니다.

핵심 포인트

• T-LVMOGP는 고차원 출력 공간의 MOGPs 확장성 문제를 해결하는 새로운 프레임워크이다.
• Lipschitz 정규화 신경망을 사용하여 입력 및 출력 특이 잠재 변수를 임베딩하여 유연한 다중 출력 심층 커널을 구성한다.
• 확률적 변분 추론(stochastic variational inference)과 결합되어 대규모 고차원 데이터셋에 효과적으로 적용 가능하다.
• 기후 모델링 및 공간 전사체학 등 다양한 벤치마크에서 기존 기법 대비 우수한 예측 정확도와 계산 효율성을 보였다.