{“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”：[[2024,6,9]]，“日期-时间”：“2024-06-09T23:25:29Z”，“时间戳”：1717975529831}，“引用-计数”：42，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{-date-parts“：[2020,10,1]]，”日期-时间“：”2020-10-01T00:00:00Z“，”timestamp“：1601510400000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}]，“出资人”：[{“DOI”：“10.13039\/50110000171”，“名称”：“Schweizerischer Nationalfonds zur F\u00f6rderung der Wissenschaftlichen Forschung”，“DOI-asserted-by”：“publisher”}，“内容域”：{“域”：[“elsevier.com”，“sciencedirect.com”]，“交叉标记限制”：true}，“short-container-title”：[“Automatica”]，“published-print”：{“date-parts”：[[2020,10]]}，“DOI”：“10.1016\/j.Automatica.2020.109127”，“type”：“journal-article”，“created”：{-“date-ports”：[2020,7,12]，“date-time”：“2020-07-12T02:14:47Z”，“timestamp”：1594520087000}，”page：“109127“，”update-policy“http://\/dx.DOI.org\/10.1016\/elsevier_cm_policy“，”源“：“Crossref”，“is-referenced-by-count”：19，“title”：[“稀疏高斯过程回归的递归估计”]，“prefix”：“10.1016”，“volume”：“120”，“author”：[{“given”：”Manuel“，”family“：”Sch\u00fcrch“，”sequence“：”first“，”affiliation“：[]}，{“给定”：“Dario”，“family”：“Azzimonti”，“sequence”：“additional”，“afliation”：[]{“fixed”：“Alessio“，”家庭“：“Benavoli”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Marco”，“family”：“Zafflon”，“serquence”:“additionable”，“filiation“：[]2]，“member”：“78”，“reference”：[{“issue”：“11”，“key”：”10.1016\/j.automatica.2020.109127_b1“，”“doi-asserted-by”：”crossref“，”首页“2693”，“doi”：“10.1109\/TPAMI.2013.8 6“，”文章标题“：“使用高斯过程的线性潜力模型”，“volume”：“35”，“author”：“\u00c1lvarez”，“year”：“2013”，“journal-title”：“IEEE模式分析和机器智能事务”}，{“key”：”10.1016\/j.automatica.2020.109127_b2“，”series-title“：”非平稳高斯过程的状态空间表示“，”author“：”Benavoli“，“year:”2016“}”，{“key”：“10.1016\/j.automatia.2020.109127_b3”，“series-title”：“带输入噪声的在线稀疏高斯过程训练”，“author”：“Bijl”，“year”：“2016”}，{”key“：”10.1016\/j.auntomatic.2020.109227_b4“，”series-ttle“：”模式识别与机器学习（信息科学与统计）“，”author“：”Bishop“，”year“：”2006“}，“issue”：“2”，“key“：“10.1016\/j.automatia.2020.109127_b5”，“doi-asserted-by”：“crossref”，“first page”：“223”，“doi”：“10.1137\/16M1080173”，”article-title“：“大规模机器学习的优化方法”，“volume”：”60“，”author“：”Bottou“，”year“2018”，“journal-title”：“SIAM Review”}，{“key”：：“Advances in Neural Information Processing Systems 30”，“first page”：“3299”，“article-title”：“Streaming sparse Gaussian process approximations”，“author”：“Bui”，“year”：“2017”}，{“key”：”10.1016\/j.automatica.2020.109127_b7“，“first-page”：“1”，“article-tiple”：“使用功率期望传播的稀疏高斯过程近似统一框架”，“卷”：“18”，“作者”：“Bui”，“年份”：“2017年”，“期刊标题”：“机器学习研究杂志（JMLR）”}，{“关键”：“10.1016\/j.automatica.2020.109127_b8”，“系列标题”：《2016 IEEE第55届决策与控制会议》，“首页”：“4594”，“article-title”：“机器学习遇到卡尔曼滤波”，“author”：“Carron”，“year”：“2016”}，{“key”：“10.1016\/j.automatica.2020.109127_b9”，“series-title”：《第七届国际学习表征会议论文集》，“artice-title“：“关于一类Adam型非凸优化算法的收敛性”，“作者”：“Chen”，“年份”：“2019”}，{“问题”：“8”，“关键”：“10.1016\/j.automatica.2020.109127_b10”，“doi-asserted-by”：“crossref”，“首页”：“1525”，“doi”：“101016\/j.autumatica.2012.05.026”，“文章标题”：“关于传递函数、正则化和高斯过程的估计\u2014Revisited”，“卷”：“48”，“作者”：“陈”，“年度”：“2012”，“日记标题”：“Automatica”}，{“issue”：“3”，“key”：“10.1016\/j.Automatica.2020.109127_b11”，“doi-asserted-by”：“crossref”，“首页”：“641”，“doi”：“101162\/089976602317250933”，”article-title“：”稀疏在线高斯过程“，”volume“：”14“，”author“：”Csat\u00f3“，”year“：”2002“，”“journal-title”：“Neural Computation”}、{“key 016\/j.自动2020.109127_b12“，“series-title”：“Advances in Neural Information Processing Systems 26”，“first page”：“3156”，“article-title”：”Bayesian inference and learning in Gaussian process state space models with particle MCMC“，“author”：“Frigola”，“year”：“2013”}，{“key”：”10.1016\/j.automatica.2020.109127_b13“，”series-tile“GPy：Python中的高斯过程框架”，“年”：“2012”}，{“key”：“10.1016\/j.automatia.2020.109127_b14”，“series-title”：“2010 IEEE信号处理机器学习国际研讨会”，“首页”：“379”，“article-title”：《时间高斯过程回归模型的卡尔曼滤波与平滑解》，“author”：“Hartikainen”，“year”：“2010}”，{：“10.1016\/j.automatia.2020.109127_b15”，“series-title”：“第二十届人工智能不确定性会议论文集”，“首页”：“282”，“article-title”：“大数据的高斯过程”，“author”：“Hensman”，“year”：“2013”}，{“key”：：“第32届国际机器学习会议论文集-第37卷”，“第一页”：“569”，“文章标题”：“大数据随机变分推理的任意稀疏高斯过程回归模型的统一框架”，“作者”：“Hoang”，“年份”：“2015”}，{“问题”：“1”，“关键”：“10.1016\/j.automatia.2020.109127_b17”，“首页”：“1303”，“文章标题”：“随机变分推理”，“卷”：“14”，“作者”：“霍夫曼”，“年份”：“2013”，“期刊标题”：《机器学习研究杂志》（JMLR）}，{“key”：“10.116\/j-automatic.2020.109227_b18”，“series-title”：“Adam：随机优化的一种方法”，“author”：“Kingma”，“年份”：“2014”}，{“问题”：“4”，“密钥”：“10.1016\/j.automatica.2020.109127_b19”，“doi-asserted-by”：“crossref”，“首页”：“411”，“doi”：“101080\/13873950500068567”，“文章标题”：“高斯过程的动态系统识别”，“卷”：“11”，“作者”：“Kocijan”，“年”：“2005”，“新闻标题”：“动态系统的数学和计算机建模”}，{“key”：“10.1016\/j.automatica.2020.109127_b20”，“series-title”：“当高斯过程遇到大数据时：可伸缩GPs的回顾”，“author”：“Liu”，“year”：“2018”}：“第32届国际机器学习会议论文集-第37卷”，“首页”：“1539”，“文章标题”：“高斯过程机械建模中的争议”，“作者”：“麦克唐纳”，“年份”：“2015”}，{“问题”：“40”，“关键”：“10.1016\/j.automatica.2020.109127_b22”，“第一页”：：“GPflow:使用张量流的高斯过程库”，“volume”：“18”，“author”：“Matthews”，“year”：“2017”，“journal-title”：“journal of Machine Learning Research（JMLR）”}，{“key”：《10.1016\/j.automatica.2020.109127_b23》，“unstructured”：“Mattos，C\u00e9sar Lincoln\u00a0C.，Dai，Zhenwen，Damianou，Andreas，Forth，Jeremy，Barreto，Guilherme\u00a0 A.，&Lawrence，Neil\u00a 0D.（2016）.递归高斯过程.在Hugo Larochelle，Brian Kingsbury，and Samy Bengio（编辑），学习表征国际会议论文集，第3卷，Caribe Hotel，San Juan，PR.”}，｛“key”：“10.1016\/j.autotica.2020.109127_24”，“doi断言者”：“crossref”，“首页”：“21”，“doi”：“10.1016\/j.autotica.2016.03.011”，“文章标题”：“一种新的基于内核的混合系统识别方法”，“卷”：“70”，“作者”：“Pilloneto”，“年份”：“2016”，“期刊标题”：“automatica”｝，｛“问题”：“1”，“key”：“10.1016\/j.autotica.2020.109127_25”，“doi断言者”：“crossref”，“首页”：“81”，“doi”：“10.1016\/j.autotica.2009.10.031”，“文章标题”：“一种新的基于内核的线性系统识别方法”，“卷”：“46”，“作者”：“Pilloneto”，“年份”：“2010”，“期刊标题”：“automatica”}，｛“问题”：“3”，“密钥”：“10.1016\/j.autotica.2020.109127_26”，“doi-asserted-by”：“crossref”，“first page”：“657”，“doi”：“10.1016\/j.automatica.2014.01.001”，“article-title”：“系统识别、机器学习和功能估计中的内核方法：一项调查”，“volume”：”50“，“author”：“Pillonetto”，“year”：“2014”，“journal-title“：”automatica“}，{“issue”：“Dec”，“key”：，“首页”：“1939”，“文章标题”：“稀疏近似高斯过程回归的统一观点”，“卷”：“6”，“作者”：“Qui\u00f1onero-Candela”，“年份”：“2005”，“期刊标题”：《机器学习研究杂志》（JMLR）}，{“key”：“10.1016\/j.automatica.2020.109127_b28”，“series-title”：“机器学习的高斯过程”，“author”：“Rasmussen”，“year”：“2006”}，{“key”：“10.1016\/j.automatica.2020.109127_b29”，“series-title”：“加拿大不列颠哥伦比亚省温哥华市第六届国际学习代表大会会议论文集”，“article-title”：《关于亚当及其后的收敛》，“author”：“Reddi”，《year》：“2018”}，“doi-asserted-by”：“crossref”，“first page”：“51”，“doi”：“10.1109\/MSP.2013.2246292”，“article-title”：“通过无限维贝叶斯滤波和平滑的时空学习：通过卡尔曼滤波看高斯过程回归”，“volume”：”30“，“author”：“Sarkka”，“year”：“2013”，“journal-title“：”IEEE Signal Processing Magazine“}，{“key”：“10.1016\/j.automatia.2020.109127_b31”，“series-title”：“人工智能与统计9”，“article-title”：“快速向前选择以加速稀疏高斯过程回归”，“author”：“Seeger”，“year”：“2003”}，{“key”：”10.1016\/j.austomatia.2020 0.109127 _b32“，”first page“：”1“，”article-title“：“非参数回归曲线拟合的样条平滑方法的某些方面”，“作者”：“Silverman”，“年份”：“1985年”，“期刊标题”：“皇家统计学会杂志。B系列统计方法学”}，{“关键”：“10.1016\/j.automatica.2020.109127_b33”，“Series-title”：“神经信息处理系统的进展13”，“首页”：“619”，“文章标题”：“稀疏贪婪高斯过程回归”，“作者”：“Smola”，“年份”：“2001”}，{“密钥”：“10.1016\/j.automatica.202109127_b34”，“系列标题”：“神经信息处理系统的进展18”，“首页”：“1257”，“文章标题”：“使用伪输入的稀疏高斯过程”，“作者”：“Snelson”，“年份”：“2006”}，{“key”：“10.1016\/j.automatia.2020.109127_b35”，“doi-asserted-by”：“crossref”，“首页”：“189”，”doi“：”10.1016\/j.austomatic.2017.02.030“，”article-title“：”用于学习非线性动力系统的灵活状态\u2013空间模型“，”volume“：”80“，”author“：”Svensson“，”year“：”2017“，”journal-title”：“automatica”}，{“key”：“10.1016\/j.automatia.2020.109127_b36”，“series-title”：“人工智能与统计学12”，“首页”：“567”，“article-title”：“稀疏高斯过程中诱导变量的变分学习”，“author”：“Titsias”，“year”：“2009”}，{“key”：”10.1016\/j.austomatia.2020 0.109127 _b37“，“series-title“：“通过卡尔曼滤波实现高效时空高斯回归”，“author”：“Todescato”，“year”：“2017”}，{“key”：“10.1016\/j.automatica.2020.109127_b38”，“doi-asserted-by”：“crossref”，“first page”：”61706“，“doi”：“101109\/ACCES.2019.2916341”，“article-title”：“关于amsgrad和新版本的收敛性证明”，“volume”：：“2019”，“journal-title”：“IEEE Access”}，{“key”：“10.1016\/j.automatica.2020.109127_b39”，“series-title”：《神经信息处理系统的进展》11，“首页”：“620”，“article-title“：“偏差方差权衡与随机GACV”，“author”：“Wahba”，“year”：“1999”}：“第31届国际机器学习会议论文集-第32卷”，“第一页”：“1485”，“文章标题”：“常微分方程中贝叶斯估计的高斯过程”，“作者”：“王”，“年份”：“2014”}，{“键”：“10.1016\/j.automatica.2020.109127_b41”，“序列标题”：“关于非凸优化自适应梯度方法的收敛性”，“author”：“Zhou”，“year”：“2018”}，{“key”：“10.1016\/j.automatica.2020.109127_b42”，“doi-asserted-by”：“crossref”，“unstructured”：“Zou，Fangyu，Shen，Li，Jie，Zequn，Zhang，Weizhong，&Liu，Wei（2019）.Adam和RMSProp收敛的一个充分条件。《IEEE计算机学会计算机视觉和模式识别会议论文集》，2019-6月（1）（第11119\u201311127页）。“，”DOI“：”10.1109\/CVPR.2019.01138“}]，”container-title“：[”Automatica“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S0005109820303253？httpAccept=text\/xml“，”content-type“：”text\/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，”{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0005109820303253？httpAccept=text\/plain“，”content-type“：”text\/prain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2022,6,22]]，“date-time”：“2022-06-2T04:19:55Z”，“timestamp”：1655871595000}，“score”：1，“resource”：{“primary”：“URL”：“https:\\/linkinghub.elsevier.com/retrieve\/pii\/S000510 9820303253“}}，”副标题“：[]，”short title“：[]，”issued“：{”date-parts“：[[2020,10]]}，”references-count“：42，”alternative-id“：[”S0005109820303253“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.automatica.2020.109127“，”relationship“：{}，“ISSN”：[”0005-1098“]，“ISSN-type”：[{“value”：“0005-1099”，“type”:“print”}]，“subject”：【】，“published”：{“date-parts”：[[2020,10]]}，“assertion”：[{“value”：“Elsevier”，“name“：”publisher“，”label“：”本文由“}维护，{“value”：“稀疏高斯过程回归的递归估计”，“name”：“articletite”，“label”：“article Title”}，{”value“：”Automatica“，“name“：“journaltitle”，“标签”：“Journal Title（期刊标题）”}、{“值”：“https:\/\/doi.org\/101016\/j.Automatica.2020.1009127”，“name”：“rticlelink”，“table”：“”CrossRef DOI链接到出版商维护的版本“}”，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，{”value“：”\u00a9 2020 Elsevier Ltd.保留所有权利。“，”name“：”copyright“，”label“：”copyright”}]，“article-number”：”109127“}}