滞后

局部高斯过程。对大型计算机实验和空间数据集执行近似GP回归。这种近似是基于在特定输入下(独立地)寻找预测的小局部设计。OpenMP和SNOW并行化支持在大量样本外测试集上进行预测;一个重要的子程序也支持GPU加速。OpenMP和GPU功能可能需要特殊编译。此外,还提供了一个低层(全)GP推理和预测的接口,以及通过增广拉格朗日格式实现约束条件下黑盒优化的相关包装程序,以及大规模计算机模型校准。


zbMATH中的参考文献(参考文献21条,1标准件)

显示第1到第20个结果,共21个。
按年份排序(引用)
  1. Evandro Konzen,Yafeng Cheng,Jian Qing Shi:功能数据分析的高斯过程:R(2021)的GPFDA包阿尔十四
  2. Andrew Finley,Abhirup Datta,Sudipto Banerjee:最近邻高斯过程模型的R包(2020)阿尔十四
  3. 巴乔克,F。;Lagnoux,A.:高斯过程最大复合似然估计的固定域渐近性质(2020)
  4. 加鲁埃,莫斯塔法·雷西;严浩;Paynabar,Kamran:评论:“流形数据的主动学习方法”(2020)
  5. 陆雪飞;鲁迪,亚历山德罗;博尔戈诺沃,伊曼纽尔;Rosasco,Lorenzo:更快的克里格:面向高维模拟器(2020)
  6. 蒙特鲁比奥-Gó梅兹,卡拉;罗尼宁,拉西;韦德,萨拉;达穆拉斯,西奥多罗斯;Girolami,Mark:稀疏分层非平稳模型的后验推理(2020)
  7. 宋芝丽;王文佳;普卢姆利,马修;本杰明哈兰:大规模多输入计算机实验的多分辨率函数方差分析(2020)
  8. 希顿,马修J。;达塔,阿比鲁普;芬利,安德鲁O。;皮勒,莱茵哈德;吉尼斯,约瑟夫;古哈尼约吉,拉贾尔希;格伯,弗洛里安;葛兰西,罗伯特B。;哈默林,多丽特;卡茨福斯,马提亚斯;格林,格林;尼什卡,道格拉斯W。;太阳,芙蓉;Zammit Mangion,Andrew:大型空间数据分析方法之间的案例研究竞争(2019)
  9. 胡本ël Binois和Victor Picheny:GPareto:基于高斯过程的多目标优化和分析的R包(2019)不是zbMATH
  10. 宋吉珠;崔泰良;贝姆霍公园;Peter Lenk:bsamGP:使用高斯过程先验的贝叶斯光谱分析模型的R包(2019)不是zbMATH
  11. 太阳,芙蓉;葛兰西,罗伯特B。;哈兰,本杰明;劳伦斯,厄尔;沃克,安德鲁:从大型模拟实验中模拟卫星阻力(2019年)
  12. 埃里克森,科林B。;安肯曼,布鲁斯E。;Sanchez,Susan M.:高斯过程建模软件比较(2018)
  13. 格拉迪什,丹尼尔W。;帕根丹,丹尼尔E。;皮特尔斯,卢克J。M、 。;库内特,佩特拉·M。;Vaze,Jai:仿真引擎:复杂水文模型不确定性的选择和量化(2018)
  14. 黄永德;吕思源;Kim,Jae Kwang:自下而上的估计和自上而下的预测:结合来自多个来源的信息的太阳能预测(2018)
  15. 莉亚·约翰逊。;葛兰西,罗伯特B。;科恩,杰里米;末底改,艾琳;默多克,考特尼;罗尔,杰森;瑞安,莎迪J。;斯图尔特·伊巴拉,安娜·M。;Weikel,Daniel:使用异方差高斯过程对疾病发病率进行现象学预测:登革热病例研究(2018)
  16. 宋芝丽;葛兰西,罗伯特B。;Haaland,Benjamin:利用局部高斯过程搜索中的方差减少潜力(2018)
  17. Robert Gramacy:laGP:R中通过局部近似高斯过程进行大规模空间建模(2016)不是zbMATH
  18. 克里斯托弗·帕西奥雷克;本杰明利普希茨;魏卓;普拉巴特;龋齿。考夫曼;Rollin Thomas:R中的并行高斯过程计算(2015)不是zbMATH
  19. 葛兰西,罗伯特B。;宾厄姆,德里克;霍洛威,詹姆斯·保罗;格罗斯科普夫,迈克尔J。;库兰兹,卡罗琳·C。;拉特,艾丽卡;特兰瑟姆,马特;德雷克,R。保罗:校准模拟辐射冲击流体力学的大型计算机实验(2015)
  20. Picheny,Victor:通过逐步减少不确定性,使用高斯过程仿真器进行多目标优化(2015)