广告
莱赫尔·萨托,曼弗雷德·奥珀;稀疏在线高斯过程。神经计算2002; 14 (3): 641–668. 数字对象标识:https://doi.org/10.1162/089976602317250933
下载引文文件:
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。
Captcha验证错误。请重试。
登录或创建帐户