Metrics for probabilistic geometries
Visualitza/Obre
submitted_gplvm_metricUAI14.pdf (529,4Kb) (Accés restringit)
Sol·licita una còpia a l'autor
Què és aquest botó?
Aquest botó permet demanar una còpia d'un document restringit a l'autor. Es mostra quan:
- Disposem del correu electrònic de l'autor
- El document té una mida inferior a 20 Mb
- Es tracta d'un document d'accés restringit per decisió de l'autor o d'un document d'accés restringit per política de l'editorial
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/82944
Tipus de documentText en actes de congrés
Data publicació2014
EditorAUAI Press (Association for Uncertainty in Artificial Intelligence)
Condicions d'accésAccés restringit per política de l'editorial
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
We investigate the geometrical structure of probabilistic generative dimensionality reduction models using the tools of Riemannian geometry. We explicitly define a distribution over the natural metric given by the models. We provide the necessary algorithms to compute expected metric tensors where the distribution over mappings is
given by a Gaussian process. We treat the corresponding latent variable model as a Riemannian manifold and we use the expectation of the metric under the Gaussian process prior to define interpolating paths and measure distance between latent points. We show how distances that respect the expected metric lead to more appropriate generation of new data.
CitacióTosi, A., Hauberg, S., Vellido, A., Lawrence, N. Metrics for probabilistic geometries. A: Conference on Uncertainty in Artificial Intelligence. "Uncertainty in Artificial Intelligence: proceedings of the thirtieth conference (2014): July 23-27, 2014, Quebec City, Quebec, Canada". Quebec: AUAI Press (Association for Uncertainty in Artificial Intelligence), 2014, p. 800-808.
ISBN978-0-9749039-1-0
Versió de l'editorhttp://auai.org/uai2014/proceedings/uai-2014-proceedings.pdf
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
submitted_gplvm_metricUAI14.pdf | 529,4Kb | Accés restringit |