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.