Запитання з тегом «gaussian-process»

Я щойно почав читати про GPs і аналогічно регулярному розподілу Гаусса, він характеризується середньою функцією та коваріаційною функцією або ядром. Я був на розмові, і доповідач сказав, що середня функція зазвичай досить нецікава, і всі висновки витрачаються на оцінку правильної функції коваріації. Чи може хтось мені пояснити, чому так має …

28 gaussian-process 

Я трохи розгублений. Чому процеси Гаусса називають непараметричними моделями? Вони припускають, що функціональні значення або їх підмножина мають гауссовий пріоритет із середнім значенням 0 і коваріаційною функцією, заданою як функція ядра. Ці самі функції ядра мають деякі параметри (тобто, гіперпараметри). То чому їх називають непараметричними моделями?

26 nonparametric  gaussian-process 

Чи правда, що байєсівські методи не переборщують? (Я бачив деякі документи та навчальні посібники, які заявляють про це) Наприклад, якщо ми застосуємо Гауссовий процес до MNIST (рукописна класифікація), але покажемо йому єдиний зразок, чи повернеться він до попереднього розподілу для будь-яких входів, відмінних від цього єдиного зразка, як би невелика …

25 bayesian  nonparametric  gaussian-process  overfitting  misspecification 

Я читав Maraun та ін. , "Нестаціонарні процеси Гаусса у вейвлет-домені: синтез, оцінка та значне тестування" (2007), який визначає клас нестаціонарних GP, який може бути визначений множниками у вейвлет-домені. Реалізація одного такого GP - це: де - білий шум, - безперервне вейвлет-перетворення відносно вейвлет , - множник (якийсь подібний на …

20 normal-distribution  stochastic-processes  gaussian-process  fourier-transform  wavelet 

Коваріаційна функція Матерна зазвичай використовується як функція ядра в Гауссовому процесі. Визначається так Cν(d)=σ221−νΓ(ν)(2ν−−√dρ)νKν(2ν−−√dρ)Cν(d)=σ221−νΓ(ν)(2νdρ)νKν(2νdρ) {\displaystyle C_{\nu }(d)=\sigma ^{2}{\frac {2^{1-\nu }}{\Gamma (\nu )}}{\Bigg (}{\sqrt {2\nu }}{\frac {d}{\rho }}{\Bigg )}^{\nu }K_{\nu }{\Bigg (}{\sqrt {2\nu }}{\frac {d}{\rho }}{\Bigg )}} де - функція відстані (наприклад, евклідова відстань), - це гамма-функція, - модифікована функція Бесселя …

19 spatial  gaussian-process  kernel-trick 

Минулого року на NIPS 2017 Алі Рахімі та Бен Рехт виграли нагороду за тест часу за свою статтю "Випадкові функції для крупномасштабних машин ядра", де вони ввели випадкові функції, пізніше кодифіковані як алгоритм випадкових мийок на кухні. У рамках оприлюднення своїх робіт вони показали, що їх модель може бути реалізована …

18 machine-learning  svm  gaussian-process  approximation 

зауважте: не маючи правильних відповідей через місяць, я відправив повідомлення в ТА Фон У мене є модель, , де Y = f ( X )fffY= f( X )Y=f(Х)Y=f(\textbf{X}) ХХ\textbf{X} - матриця зразків з параметрів, а - вектор модельних виходів.n × mн×мn \times mммmYYYn × 1н×1n \times 1 fff обчислювально інтенсивно, …

17 r  multivariate-analysis  splines  interpolation  gaussian-process 

Я дізнаюся про Гауссовий процес і чув лише біти та фрагменти. Буду дуже вдячний за коментарі та відповіді. Чи правда для будь-якого набору даних, що наближення функції Гауссова процесу дасть нульову або мізерну помилку пристосування в точках даних? В іншому місці я також чув, що Гауссовий процес особливо гарний для …

16 gaussian-process 

Я читаю підручник Гауссовий процес для машинного навчання CE Расмуссена та CKI Williams, і у мене виникають проблеми з розумінням того, що означає розподіл за функціями . У підручнику наводиться приклад того, що слід уявити функцію як дуже довгий вектор (насправді вона повинна бути нескінченно довгою?). Тому я уявляю, що …

15 distributions  gaussian-process 

Мені відомо, що Гауссова процесова регресія (GPR) - це альтернатива використанню сплайнів для встановлення гнучких нелінійних моделей. Мені хотілося б знати, в яких ситуаціях одна була б більш придатною, ніж інша, особливо в байєсівській регресії. Я вже розглядав, які переваги / недоліки використання сплайнів, згладжених сплайнів та емуляторів процесів Гаусса? …

15 regression  gaussian-process  splines  kriging 

Часто говорять, що регресія гауссового процесу відповідає (GPR) байєсовій лінійній регресії з (можливо) нескінченною кількістю базових функцій. Зараз я намагаюся детально зрозуміти це, щоб зрозуміти, які моделі я можу виразити за допомогою GPR. Ви вважаєте, що це хороший підхід, щоб спробувати зрозуміти GPR? У книзі Гауссових процесів машинного навчання Расмуссена …

14 gaussian-process  kernel-trick  basis-function 

Дивергенція Куллбека-Лейблера є метрикою для порівняння двох функцій щільності ймовірності, але яка метрика використовується для порівняння двох XXX і Y GP YY?

14 gaussian-process  metric 

Я намагаюся налаштувати гіперпараметри алгоритму регресії гауссового процесу, який я реалізував. Я просто хочу максимально збільшити граничну ймовірність журналу, задану формулою де K - матриця коваріації з елементи K_ {ij} = k (x_i, x_j) = b ^ {- 1} \ exp (- \ frac {1} {2} (x_i-x_j) ^ TM (x_i-x_j)) …

13 regression  optimization  gaussian-process  hyperparameter 

Чи є спосіб провести регресію Гаусса на багатовимірному виході (можливо, корельованому) за допомогою GPML ? У демо-скрипті я міг знайти лише 1D приклад. Аналогічне питання про те , що CV талі випадок багатовимірного введення. Я переглянув їхню книгу, щоб побачити, чи зможу щось знайти. У 9-му розділі цієї книги (розділ …

13 regression  machine-learning  matlab  gaussian-process  nonparametric-bayes 

У мене ця плутанина пов'язана з перевагами Гауссових процесів. Я маю на увазі порівняння його з простою лінійною регресією, де ми визначили, що лінійна функція моделює дані. Однак у Гауссових процесах ми визначаємо розподіл функцій, тобто ми не визначаємо конкретно, що функція повинна бути лінійною. Ми можемо визначити пріоритет над …

13 gaussian-process