초록: 모델의 불일치로 인해 단일 교정 파라미터만으로는 전체 맥락 영역에 걸쳐 물리적 반응을 재현하기 어려울 수 있다. 또한 관측값과 맥락의 불확실성은 교정 과정에 영향을 미치므로 이를 반드시 고려하고 정량화해야 한다. 우리는 목표 맥락에 대한 근접성에 따라 관측 가능성을 가중함으로써 국지화된 사후분포의 계열을 구성한다. 가우시안 국지화 가중치는 공분산 확장을 통해 맥락의 불확실성을 반영하며, 도메인 경계에서의 반사 효과와 맥락 표본 추출의 불균일성에 대한 선택적 보정 기능도 포함된다. 조건부 정규화 흐름은 암시적 변분 추론을 통해 이러한 사후분포 계열을 근사한다. 규정된 맥락 측도 하에 국지화된 사후분포를 통합하면, 주변화된 파라미터 분포를 얻을 수 있다. 브래닌-후 모델을 이용한 트윈 실험에서, 균등 및 왜곡된 맥락 분포 하에서 전역적 및 국지적 추론을 비교하였다. 그 결과, 국지화는 전역적 사후분포에 비해 보고된 집합적 예측 오차를 감소시키는 것으로 나타났다. 대기 표면 강제력이 맥락으로 작용하는 단일 기둥 해양 모델에서의 k-ε 난류 폐쇄 방정식에 대한 적용 사례에서도, 국지적 사후분포 교정이 결정론적 및 전역적 사후분포 교정에 비해 온도와 자오선 속도 오차를 줄이는 것을 확인하였다. 두 트윈 실험 모두 국지적 보상이 가능하도록 설계되었다.
주제: | 인공지능(cs.AI); 기계학습(cs.LG); 기계학습(stat.ML) 인용: | arXiv:2610.37731 [cs.AI] | (또는
arXiv:2610.37731v1 [cs.AI] 이 버전) | https://doi.org/10.48550/arXiv.2610.37731
더 알아보기
DataCite를 통한 arXiv 발행 DOI(등록 대기 중)
투고 이력
논문 보기:
PDF 보기
TeX 소스
추가 기능
오디오 요약
현재 탐색 컨텍스트:
참고문헌 및 인용
Google 학술검색
Semantic Scholar
북마크
기관
arXivLabs는 협력자가 당사 웹사이트에서 새로운 arXiv 기능을 직접 개발하고 공유할 수 있도록 하는 프레임워크입니다.
arXivLabs와 함께 일하는 개인과 조직 모두는 개방성, 커뮤니티, 우수성, 그리고 사용자 데이터 개인정보 보호라는 당사의 가치를 수용하고 받아들였습니다. arXiv은 이러한 가치에 헌신하며, 이에 부합하는 파트너들과만 협력합니다.
arXiv 커뮤니티에 가치를 더할 프로젝트 아이디어가 있으신가요? arXivLabs에 대해 자세히 알아보세요.