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.

1
Essayer de comprendre le processus gaussien
Je lis le livre GPML et au chapitre 2 (page 15) , il explique comment effectuer une régression en utilisant le processus gaussien (GP), mais j'ai du mal à comprendre comment cela fonctionne. Dans l'inférence bayésienne pour les modèles paramétriques, nous choisissons d'abord un a priori sur les paramètres du …
2
Processus gaussiens à aire d'échantillonnage finie
Je m'excuse d'avance si cette question est mal posée: je suis astronome, pas statisticien. Ma question vise spécifiquement à m'aider à déterminer si les processus gaussiens sont une technique appropriée pour mon problème. À l'aide d'un télescope et d'un spectrographe alimenté par fibres, mon projet a pris le spectre optique …
1
détail d'implémentation pratique de l'optimisation bayésienne
J'essaye de l'optimisation bayésienne, suivant Snoek, Larochelle et Adams [ http://arxiv.org/pdf/1206.2944.pdf] , en utilisant GPML [ http://www.gaussianprocess.org/gpml/code/matlab / doc /] . J'ai implémenté la fonction d'acquisition Expected Improvement décrite à la page 3, et je suppose que j'ai raison de décider où interroger mon objectif en suivant.Xx\bf{x} qui maximise: uneEje( …
1
Sélection hyperparamétrique entièrement bayésienne en GPML
Est-il possible d'effectuer une sélection approximative entièrement bayésienne (1) d'hyper-paramètres (par exemple l'échelle de covariance) avec le code GPML, au lieu de maximiser la vraisemblance marginale (2)? Je pense que l'utilisation de méthodes MCMC pour résoudre les intégrales impliquant des hyper-paramètres avant devrait conduire à de meilleurs résultats en cas …
1
Qu'est-ce qu'un champ gaussien stationnaire?
Je sais ce qu'est un champ gaussien. Cependant, je ne sais pas trop ce que l'on entend par stationnaire. J'ai vu cette chose stationnaire à beaucoup d'endroits comme les processus autorégressifs stationnaires, etc., mais je ne sais pas vraiment ce que l'on entend par stationnaire.
2
Simuler un processus gaussien (Ornstein Uhlenbeck) avec une fonction de covariance à décroissance exponentielle
J'essaie de générer de nombreux tirages (c'est-à-dire des réalisations) d'un processus gaussien , avec la moyenne 0 et la fonction de covariance .ei(t)ei(t)e_i(t)1≤t≤T1≤t≤T1\leq t \leq Tγ(s,t)=exp(−|t−s|)γ(s,t)=exp⁡(−|t−s|)\gamma(s,t)=\exp(-|t-s|) Existe-t-il un moyen efficace de le faire qui n'impliquerait pas de calculer la racine carrée d'une matrice de covariance ? Sinon, quelqu'un peut-il recommander …
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.