G流量

GPflow:一个使用tensorflow的高斯过程库。GPflow是一个Gaussian进程库,它的核心计算使用TensorFlow,前端使用Python。GPflow的显著特点是它使用变分推理作为主要的近似方法,通过使用自动微分来提供简洁的代码,特别注重软件测试,并且能够开发GPU硬件。


zbMATH中的参考文献(参考文献16条,1标准件)

显示第1到16个结果,共16个。
按年份排序(引文)

  1. 曼森,杰米A。;张伯伦,托马斯W。;伯恩,理查德A.:MVMOO:混合变量多目标优化(2021)
  2. Vincent Dutordoir,Hugh Salimbeni,Eric Hambro,John McLeod,Felix Leibfried,Artem Artemev,Mark van der Wilk,James Hensman,Marc P.Deisenroth,ST John:GPflux:深高斯过程库(2021)阿尔十四
  3. 威尔逊,詹姆斯T。;博罗维茨基,维亚切斯拉夫;泰宁,亚历山大;莫斯托夫斯基,彼得;Deisenroth,Marc Peter:高斯过程的路径调节(2021)
  4. 伯特,大卫·R。;拉斯穆森,卡尔·爱德华;范德威尔克,马克:高斯过程回归中稀疏变分推断的收敛性(2020)
  5. Monterrubio-Gómez,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)
  6. 舒尔奇,曼努埃尔;阿兹蒙蒂,达里奥;阿莱西奥·贝纳沃利;Zaffalon,Marco:稀疏高斯过程回归的递归估计(2020)
  7. 博尼拉,埃德温诉。;克劳斯,卡尔;Dezfuuli,Amir:潜在高斯过程模型中的泛型推理(2019)
  8. 达尔,阿斯特里德;Bonilla,Edwin V.:太阳能预测的分组高斯过程(2019)
  9. 拉里,埃里克;Jacques,Diedrik:CPU需求反应性传输模型的仿真:高斯过程、多项式混沌扩展和深度神经网络的比较(2019)
  10. Roman Novak,Lechao Xiao,Jiri Hron,Jaehoon Lee,Alexander A.Alemi,Jascha Sohl Dickstein,Samuel S.Schoenholz:神经切线:Python中快速而简单的无限神经网络(2019)阿尔十四
  11. 唐纳,克里斯蒂安;Opper,Manfred:sigmoidal Gaussian-Cox过程的有效贝叶斯推断(2018)
  12. 汉斯曼,詹姆斯;杜兰德,尼古拉斯;高斯过程的变分过程(2018)
  13. Jacob R.Gardner,Geoff Pleiss,David Bindel,Kilian Q.Weinberger,Andrew Gordon Wilson:GPY研究:具有GPU加速的黑匣子矩阵高斯过程推理(2018)阿尔十四
  14. 舒尔茨,埃里克;马尔滕斯佩肯布里克;Krause,Andreas:高斯过程回归教程:建模、探索和利用函数(2018)
  15. 马修斯,亚历山大·G·德·G。;范德威尔克,马克;尼克森,汤姆;藤井敬介;布考瓦拉,亚历克西斯;巴勃罗,莱昂维拉格拉;加哈拉马尼,祖宾;Hensman,James:GPflow:使用TensorFlow的高斯过程库(2017)
  16. Nicolas Knudde,Joachim van der Herten,Tom Dhaene,Ivo Couckuyt:GPflowOpt:使用TensorFlow的贝叶斯优化库(2017)阿尔十四