Harmonizable mixture kernels with variational Fourier features

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

23 Lataukset (Pure)

Abstrakti

The expressive power of Gaussian processes depends heavily on the choice of kernel. In this work we propose the novel harmonizable mixture kernel (HMK), a family of expressive, interpretable, non-stationary kernels derived from mixture models on the generalized spectral representation. As a theoretically sound treatment of non-stationary kernels, HMK supports harmonizable covariances, a wide subset of kernels including all stationary and many non-stationary covariances. We also propose variational Fourier features, an inter-domain sparse GP inference framework that offers a representative set of 'inducing frequencies'. We show that harmonizable mixture kernels interpolate between local patterns, and that variational Fourier features offers a robust kernel learning framework for the new kernel family.
AlkuperäiskieliEnglanti
OtsikkoThe 22nd International Conference on Artificial Intelligence and Statistic
Sivut1812-1821
TilaJulkaistu - toukokuuta 2019
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaInternational Conference on Artificial Intelligence and Statistics - Naha, Japani
Kesto: 16 huhtikuuta 201918 huhtikuuta 2019
Konferenssinumero: 22

Julkaisusarja

NimiProceedings of Machine Learning Research
KustantajaPMLR
Vuosikerta89
ISSN (elektroninen)2640-3498

Conference

ConferenceInternational Conference on Artificial Intelligence and Statistics
LyhennettäAISTATS
MaaJapani
KaupunkiNaha
Ajanjakso16/04/201918/04/2019

Sormenjälki Sukella tutkimusaiheisiin 'Harmonizable mixture kernels with variational Fourier features'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

  • Laitteet

    Science-IT

    Mikko Hakala (Manager)

    Perustieteiden korkeakoulu

    Laitteistot/tilat: Facility

  • Siteeraa tätä

    Shen, Z., Heinonen, M., & Kaski, S. (2019). Harmonizable mixture kernels with variational Fourier features. teoksessa The 22nd International Conference on Artificial Intelligence and Statistic (Sivut 1812-1821). (Proceedings of Machine Learning Research; Vuosikerta 89).