Moderate deviations inequalities for Gaussian process regression
Moderate deviations inequalities for Gaussian process regression
复制标题
高斯过程回归的中等偏差不等式
DOI：
10.1017/jpr.2023.30
复制
发表时间：
2024
影响因子：
1
通讯作者：
Ryzhov, Ilya O.
中科院分区：
文献类型：
--
作者：
Li, Jialin;Ryzhov, Ilya O.
高斯过程回归广泛用于通过内插离散的观测设计点集来对连续域上的未知函数进行建模。我们开发了一个理论框架，证明新的中等偏差不等式的不同类型的错误概率，出现在GP回归。广泛关注的两个具体例子是错误排序点对的概率（错误地估计一个点比另一个点好）和任意点处估计误差的尾部概率。我们的不等式将这些概率与网格范数联系起来，后者衡量设计点填充空间的程度。
Gaussian process regression is widely used to model an unknown function on a continuous domain by interpolating a discrete set of observed design points. We develop a theoretical framework for proving new moderate deviations inequalities on different types of error probabilities that arise in GP regression. Two specific examples of broad interest are the probability of falsely ordering pairs of points (incorrectly estimating one point as being better than another) and the tail probability of the estimation error at an arbitrary point. Our inequalities connect these probabilities to the mesh norm, which measures how well the design points fill the space.
登录
查看更多内容
DOI：
10.1080/01621459.2019.1598868
发表时间：
2017-10
影响因子：
3.7
作者：
Wenjia Wang;Rui Tuo;C. F. Jeff Wu
通讯作者：
Wenjia Wang;Rui Tuo;C. F. Jeff Wu
影响因子：
1.2
作者：
R. van der Hofstad;Harsha Honnappa
通讯作者：
R. van der Hofstad;Harsha Honnappa
DOI：
--
发表时间：
1961
期刊：
影响因子：
--
作者：
Z. Ciesielski
通讯作者：
Z. Ciesielski
DOI：
10.1109/jbhi.2014.2372777
发表时间：
2016-01-01
影响因子：
7.7
作者：
Lee, Sunghoon Ivan;Mortazavi, Bobak;Sarrafzadeh, Majid
通讯作者：
Sarrafzadeh, Majid
小噪声随机椭圆偏微分方程的中等偏差
DOI：
10.1214/17-aap1373
发表时间：
2018
期刊：
The Annals of Applied Probability
影响因子：
--
作者：
Li, Xiaoou;Liu, Jingchen;Lu, Jianfeng;Zhou, Xiang
通讯作者：
Zhou, Xiang