我们开发了一种高斯过程（GP）模型的稀疏表示方法（这是贝叶斯类型的核机器），以克服其对大数据集的限制。该方法基于贝叶斯在线算法的组合，以及数据相关子样本的顺序构造，该子样本完全指定了GP模型的预测。通过在再生核Hilbert空间中使用一种吸引人的参数化和投影技术，获得了有效参数的递推和后验过程的稀疏高斯近似。这允许传播预测和贝叶斯误差度量。我们的方法的重要性和鲁棒性在各种实验中得到了证明。

此内容仅以PDF格式提供。
©2002麻省理工学院
2002
您当前无权访问此内容。