Lange Hegermann，马库斯 算法线性约束高斯过程。 arXiv:1801.09197号 预印本，arXiv:1801.09197[stat.ML]（2018）。 总结：我们用算法构造了满足线性微分方程的多输出高斯过程先验。我们的方法尝试使用Gröbner基将方程的所有解参数化。如果成功，沿着参数化的前推高斯过程是所需的优先。我们考虑了物理、数学和控制方面的几个例子，其中包括完全非均匀的麦克斯韦方程组。通过以一种新颖的方式将随机学习和计算机代数结合在一起，我们将噪声观测与精确的代数计算相结合。 MSC公司： 60G15年 高斯过程 62立方米 空间过程推断 62G08号 非参数回归和分位数回归 2005年12月 微分代数 68瓦30 符号计算和代数计算 第13页第10页 Gröbner碱；理想和模块的其他基础（例如Janet和border基础） 13第20页 计算同调代数 13J30型 实代数 13第25页 交换代数的应用（例如，统计、控制理论、优化等） 60B11号机组 线性拓扑空间的概率论 35Q61问题 麦克斯韦方程组 BibTeX公司 引用 \textit{M.Lange-Hegermann}，“算法线性约束高斯过程”，预打印，arXiv:1801.09197[stat.ML]（2018） 全文： arXiv公司 OA许可证 arXiv数据来自arXiv OAI-PMH API.如果你发现了错误，请直接向arXiv报告.