Questions marquées «gaussian-process»

Les processus gaussiens font référence à des processus stochastiques dont la réalisation consiste en des variables aléatoires normalement distribuées, avec la propriété supplémentaire que toute collection finie de ces variables aléatoires a une distribution normale multivariée. La machinerie des processus gaussiens peut être utilisée dans les problèmes de régression et de classification.

2
Matrice de covariance mal conditionnée dans la régression GP pour l'optimisation bayésienne
Contexte et problème J'utilise des processus gaussiens (GP) pour la régression et l'optimisation bayésienne subséquente (BO). Pour la régression, j'utilise le paquet gpml pour MATLAB avec plusieurs modifications personnalisées, mais le problème est général. C'est un fait bien connu que lorsque deux entrées d'apprentissage sont trop proches dans l'espace d'entrée, …
2
Dérivée d'un processus gaussien
Je crois que la dérivée d'un processus gaussien (GP) est un autre GP, et je voudrais donc savoir s'il existe des équations de forme fermée pour les équations de prédiction de la dérivée d'un GP? En particulier, j'utilise le noyau de covariance exponentielle au carré (également appelé gaussien) et je …
3
Principaux avantages des modèles de processus gaussiens
Le processus gaussien a été largement utilisé, notamment en émulation. On sait que la demande de calcul est élevée ( ).0(n3)0(n3)0(n^3) Qu'est-ce qui les rend populaires? Quels sont leurs principaux avantages cachés? Pourquoi sont-ils utilisés à la place des modèles paramétriques (par modèle paramétrique, je veux dire une régression linéaire …
3
Simuler une excursion brownienne à l'aide d'un pont brownien?
Je voudrais simuler un processus d'excursion brownienne (un mouvement brownien conditionné est toujours positif quand à à ). Puisqu'un processus d'excursion brownienne est un pont brownien qui est conditionné pour être toujours positif, j'espérais simuler le mouvement d'une excursion brownienne en utilisant un pont brownien.0 t = 10 < t …
2
Comment effectuer une régression de processus gaussienne lorsque la fonction étant approximée change au fil du temps?
Quelles sont les bonnes stratégies pour effectuer une régression du processus gaussien lorsque la fonction que j'essaie d'approcher les changements dans le temps? L'approche naïve qui me vient à l'esprit est de n'utiliser que les N points de données les plus récents pour effectuer la régression. Quelles sont les meilleures …
2
Régression du processus gaussien pour les ensembles de données de grande dimension
Je voulais juste voir si quelqu'un avait une expérience de l'application de la régression de processus gaussienne (GPR) à des ensembles de données de grande dimension. J'examine certaines des diverses méthodes GPR clairsemées (par exemple, les pseudo-entrées GPR clairsemées) pour voir ce qui pourrait fonctionner pour les ensembles de données …
1
Doutes sur la dérivation des équations de régression du processus gaussien dans un article
Je lis ce papier préimprimé et j'ai des difficultés à suivre leur dérivation des équations pour la régression du processus gaussien. Ils utilisent le réglage et la notation de Rasmussen & Williams . Ainsi, on suppose un additif, de moyenne nulle, stationnaire et normalement distribué avec la variance :σ2noiseσnoise2\sigma^2_{noise} y=f(x)+ϵ,ϵ∼N(0,σ2noise)y=f(x)+ϵ,ϵ∼N(0,σnoise2)y=f(\mathbf{x})+\epsilon, …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.