Preguntas etiquetadas con gaussian-process

Los procesos gaussianos se refieren a procesos estocásticos cuya realización consiste en variables aleatorias normalmente distribuidas, con la propiedad adicional de que cualquier colección finita de estas variables aleatorias tiene una distribución normal multivariada. La maquinaria de los procesos gaussianos puede emplearse en problemas de regresión y clasificación.

2
Matriz de covarianza mal condicionada en regresión GP para optimización bayesiana
Antecedentes y problema Estoy usando procesos gaussianos (GP) para la regresión y la posterior optimización bayesiana (BO). Para la regresión, uso el paquete gpml para MATLAB con varias modificaciones personalizadas, pero el problema es general. Es un hecho bien conocido que cuando dos entradas de entrenamiento están demasiado cerca en …
2
Derivada de un proceso gaussiano
Creo que la derivada de un proceso gaussiano (GP) es otra GP, por lo que me gustaría saber si hay ecuaciones de forma cerrada para las ecuaciones de predicción de la derivada de una GP. En particular, estoy usando el núcleo de covarianza exponencial al cuadrado (también llamado gaussiano) y …
3
Principales ventajas de los modelos de proceso gaussianos
El proceso gaussiano ha sido ampliamente utilizado, especialmente en la emulación. Se sabe que la demanda computacional es alta ( ).0(n3)0(n3)0(n^3) ¿Qué los hace populares? ¿Cuáles son sus ventajas principales y ocultas? ¿Por qué se usan en lugar de modelos paramétricos (por modelo paramétrico me refiero a la regresión lineal …
3
¿Simulando una excursión browniana usando un puente browniano?
Me gustaría simular un proceso de excursión browniana (un movimiento browniano que está condicionado siempre será positivo cuando 0<t<10<t<10 \lt t \lt 1 a 000 en t=1t=1t=1 ). Dado que un proceso de excursión browniana es un puente browniano que está condicionado a ser siempre positivo, esperaba simular el movimiento …
3
Problema de juguete de regresión de proceso gaussiano
Estaba tratando de ganar algo de intuición para la regresión del Proceso Gaussiano, así que hice un simple problema de juguete 1D para probar. Tomé como las entradas, y como las respuestas. ('Inspirado' de )xi={1,2,3}Xyo={1,2,3}x_i=\{1,2,3\}y = x 2yi={1,4,9}yyo={1,4 4,9 9}y_i=\{1,4,9\}y=x2y=X2y=x^2 Para la regresión, utilicé una función de kernel exponencial cuadrática …
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.