{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,2,29]]，“日期-时间”：“2024-02-29T10:46:55Z”，“时间戳”：1709203615468}，“引用-计数”：47，“发布者”：“威利”，“问题”：“6”，“许可证”：[{“开始”：{--“日期-部分”：[2021,10,6]]，”日期-时间“：”2021-10-066 T00:00:00Z“，”时间戳“：1633478400000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“http://\/onlinelibrary.wiley.com/termsAndConditions#vor”}]，“内容域”：{“域”：[“onlinelibrary.wiley.com”]，“crossmark-restriction”：true}，“short-container-title”：[”统计分析“]，”published-print“：{”date-parts“：[2021,12]]}，”抽象“：”摘要<\/jats:title>由于浮点运算的三次缩放和协方差矩阵的二次存储，2010年大规模高斯过程（GP）回归不适用于大型训练数据。最近文献中的补救措施主要集中在divide \u2010和\u2010 converch上，例如，将其划分为子问题并引入函数（以及计算）独立性。这种近似可以快速、准确，有时甚至比普通普通医生更灵活。然而，一个很大的缺点是分区边界失去连续性。像局部近似GP（LAGP）这样的现代方法实际上意味着无限分割，因此在这方面有好有坏。模型平均是除法u2010和u2010converch的替代方法，可以保持绝对连续性，但通常会超过u2010smooth，降低准确性。在这里，我们建议将LAGP\u2010-like方法放入本地专家\u2010-Like框架中，将基于分区\u2010的速度与模型\u2010平均连续性相结合，作为我们称之为精确聚合局部模型（PALM）的旗舰示例。使用LAGP，每个选择从总数据对，我们的方案在，平方英寸和线性输入大量的经验说明表明，PALM至少与LAGP一样准确，可以更快，并提供连续的预测。最后，我们提出了顺序更新方案，该方案贪婪地将PALM预测器细化到计算预算<\/jats:p>“，”DOI“：”10.1002\/sam.11547“，”type“：”journal-article“，”created“：{”date-parts“：[2021,10,9]]，”date-time“：”2021-10-09T01:36:06Z“，”timestamp“：1633743366000}，”page“：，“title”：[“Precision aggregated local models”]，“prefix”：“10.1002“，”卷“：”14“，”作者“：[{”ORCID“：”http://\/ORCID.org\/00000-0003-3371-8791“，”authenticated-ORCID“：false，”给定“：”Adam M.“，“family”：”Edwards“，”sequence“：”first“，”affiliation“：[[{“name”：“美国弗吉尼亚州布莱克斯堡弗吉尼亚理工统计局”}]}，{“given”：“Robert B.”，“faily”：“Gramacy”，“sequence”：“additional”，“affiliation:[{（名称）：”弗吉尼亚理工大学统计部，Blacksburg Virginia USA“}]}]，“成员”：“311”，“在线发布”：{“日期部分”：[[2021,10,6]]}，“参考”：[{“密钥”：“e_1_2_8_2_1”，“doi断言者”：“发布者”，“doi”：“10.1080\/10618600.2018.158625”}，{“密钥”：“e_1_2_8_3_1”，“doi断言者”：“发布者”，“doi”：“10.1016\/j.neucom.2008.09.002”}，{“问题”：“1“，”键“：”e_1_2_8_4_1“，”首页“：”266“，”文章标题“：”BART:贝叶斯加性回归树“，”卷“：”4“，”作者“：”Chipmand H“，”年份“：”2010“，”日志标题“：“Ann.Appl。Stat.“}，{”key“：”e_1_2_8_5_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1002\/cjs.11156”}，“key”：“e_1_i_8_6_1”，“doi-assert-by”：“publisher”，”doi“：”10.2307\/3001666“}”，{“Cressie N.”，“年份”：“1993”，“doi”：“10.1002\/978111115151”}，{“key“：”e_1_2_8_8_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1111\/j.1467-9868.2007.00633.x”}，{“key”：“e_1_se_8_9_1”，“doi-assert-by”：“publisher”，”doi“：”10.1080\/01621459.2015.1044091“}，”key：“e_ 1_8_10_1”，{“key”：“e_1_2_8_11_1”，“doi-asserted-by”：“publisher”，“doi”：“10.1198\/106186006X132178”}，{“key”：“e_1_2_8_12_1”，“doi-asserted-by”：“publisher”，“doi”：“10.1198\/01621450000001437”}，{”key“：”e_1_cu8_13_1“，“首页”：“493”，“volume-title”：“神经信息处理系统的进展”，“author”：“Goldberg P.W.”，“year”：“1998”}\/10618600.2014.914442“}，{”键“：“e_1_2_8_15_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1198\/01621458000000689“}，{“key”：“e_ 1_8_16_1”“，”doi-assert-by“：”publisher“，“doi”：“10.1137\/130941912”}，“key“：e_1_2_8_18_1“，”doi-asserted-by“：”publisher“，“doi”：“10.18637\/jss.v072.i01”}，{“key”：“e_1_2_8_19_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1201\/9780367815493“}，{“key”：“e_ 1_8_20_1”、“doi-sserted-by“：”publisher“，”doi:“10.1214\/11-AOS929”}，“key“：”e_1_ 2_8_21_1“，”doi-assert-by“，”doi“：“10.1007\/s13253-018-00348-w”}、{“key”：”e_ 1_2_8_22_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/0378-3758（90）90122-B“}，{”key“：“e_1_2_8_23_1”，“doi asserted by”：“publisher”，“doi”：“10.1080\\01621459.2015.1123632”}，{“issue”：“1”，“key”：“e_1_2_8_24_1”，“首页”：“124”，“文章标题”：“高斯过程维奇亚近似的一般框架”，“volume”：“36”，“author”：“Katzfuss M.”，“year”：“2018”，“journal title”：“Statist.Sci.”}，{“key”：“e_1_2_8_25_1”，“doi断言者”：“publisher”，“DOI”：“10.1214\/11-AOAS489”}，{“key”：“e_1_2_8_26_1”，”DOI-asserted-by“：”publisher“，”DOI“：”10.1198\/0162145800000959“}，”{“key”：”e_1_i_8_27_1“，“DOI-assert-by”：“publister”，“DOI”：”10.198\/016214214500000014“}”，{”issue“：”3“，”key“：”e_i_8_2 8_1“”，“first page”：“467”，“article-title”：“通过统计仿真进行隐藏约束的优化”，“卷”：“7”，“作者”：“Lee H.”，“年份”：“2011”，“日志标题”：“Pac.J.Optim.”}，{“密钥”：“e_1_2_8_29_1”，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/TIT.1982.1056489“}，”{“key”：“e_1_2_8_30_1”、“doi-assert-by”：“publisher”，524791“}，{”键“：“e_1_2_8_31_1”，“unstructured”：“M.MolgaandC.Smutnicki 2005优化需求测试函数，网址：http://\robertmarks.org\/Classes\/ENGR5358\/Papers\/functions.pdf.”}，{“key”：“e_ 1_8_32_1”、“first page”：”475“，”article-title“：”使用高斯过程先验的回归和分类“，”volume“：”6“，”author“：”Neal R.“，”“year”：“1998”，“journal-title”：“Bayesian Stat.”}，{“key”：“e_1_2_8_33_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1191\/1471082x02st037oa“}”，{”issue“：”7“，”key“：”e_1_i_8_34_1“，”first page“：“1”，”article-title“：”Patchwork kriging for large \u2010 scale Gaussian process regression“，”volume“19”，“author”：“Park C.”，“year”：“2017”，“jordurnal al-title“：”J.Mach.学习.研究“}，{“issue”：“174”，“key”：“e_1_2_8_35_1”，《首页》：“1”，“article-title”：“通过修补局部高斯过程为大型空间数据集高效计算高斯过程回归”，“volume”：”17“，“author”：“Park C.”，“year”：“2016”，“journal-title“：”J.Mach.Learn.Res：“大型空间数据集快速高斯过程回归的区域分解方法”，“卷”：“12”，“作者”：“Park C.”，“年份”：“2011年”，“期刊标题”：“J.Mach.Learn.Res.”}，{“问题”：“65”，“关键”：“e_1_2_8_37_1”，“首页”：“1939”，“文章标题”：：“Qui\u00f1onero\u2010Candela J.”，“年份”：“2005年”，“日志标题”：“J.Mach.Learn.Res.”}，{“key”：“e_1_2_8_38_1”，”volume-title“：“机器学习的高斯过程”，“author”：“Rasmussen C.e.”，“year”：“2006”}：“物理参数不确定度量化的K.Rumsey方法。新墨西哥大学博士论文，网址：http://\/digitalrepository.unm.edu\/cgi\/viewcontent.cgi？article=1165context=math_etds”}，{“key”：“e_1_2_8_40_1”，“doi-asserted-by”：“publisher”、“doi”：“10.1615\/Int.J.UncertainmentyQuantification.2016018697”}、{“密钥”：“e_1_8_41_1”，“doi-asserted-by”：“publisher”，“doi”：“10.1214\/ss\/1177012413”}，{“key”：“e_1_2_8_42_1”，”doi-assert-by“：”publisher“，”doi“：”10.1111\/j.1467-9868.2011.01007.x“}，”{“key”：“e_1_2_8_43_1”、“doi-sserted-by“_44_1“，”首页“：”1257“，”文章标题“：“使用伪\u2010inputs的稀疏高斯过程”，“volume”：“18”，“author”：“Snelson E.”，“year”：“2006”，“journal-title”：“Adv.Neural Inf.Proces.Syst.”}，{“key”：《E_1_2_8_45_1》，“doi-asserted-by”：“publisher”，“doi”：“10.1137 \/18M1170157”}。E.Rasmussen和F。Pernkopf使用sum\u2010产品网络学习高斯过程专家的深度混合。2018; ArXiv abs \/1809.04400网址：http://\/ArXiv.org\/pdf\/1809.54400.pdf分析和数据挖掘：ASA数据科学杂志“]”original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/onlinelibrary.wiley.com/doi\/pdf\/101002\/sam.11547“，”content-type“：”application\/pdf“，”content-version“：”vor“，”intended-application“：”text-mining“}，”{“URL”：“https:\//onlinelibrary.wiley.com\/doi\/full-xml\/101001\/sam.11547”，“content-type:”“application\/xml”，“content-version”：“vor”，“intended-application“：”text-mining“}，{“URL”：“https:\/\/onlinelibrary.wiley.com/doi\/pdf\/101002\/sam.11547”，“content-type”：“未指定”，“内容版本”：“vor”，“intended-application”：“相似性检查”}，“存放”：{“date-parts”：[2023,8,28]]，“日期-时间”：“2023-08-28T04:21:22Z”，“时间戳”：1693196482000}，”分数：1，“资源”：{“主资源”：}URL“：”https:\/\/onlinelibrary.wiley.com/doi\/10.1002\/sam.11547“}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[[2021,10,6]]}，“references-count”：47，“journal-issue”：{“issue”：“6”，“published-print”:{“date-part”：[2021,12]}}“alternative-id”：[“10.1002\/sam.11547”]，“”URL“：”http://\/dx.doi.org\/10.1002\/sam.11547“，”存档“：[”Portico“]，”关系“：{}，”ISSN“：[”1932-1864“，”1932-1872“]，”ISSN-type“：[{”value“：”1932-186“，”type“:”print“}，{”value“：”932-1872”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[2021,10,6]}，“assertion”：[{value：“2020-06-11”，“order”：0，“name”：“received”，“label”：“received”，组“：{”name“：”publication_history“，”label“：”publication history“}}，{“value“：”2021-08-19“，”order“：1，”name“：”accepted“，“label”：“accepted”，“group”：{“name”：“publication_history”，“lable”：“publication history”}}，{“value”：“2021-10-06”，“order”：2，“name”（名称）：“published”（已发布），“labele”（标签）：“published”