Als «gaussian-process» getaggte Fragen

Gaußsche Prozesse beziehen sich auf stochastische Prozesse, deren Realisierung aus normalverteilten Zufallsvariablen besteht, mit der zusätzlichen Eigenschaft, dass jede endliche Sammlung dieser Zufallsvariablen eine multivariate Normalverteilung aufweist. Die Maschinerie von Gaußschen Prozessen kann bei Regressions- und Klassifizierungsproblemen eingesetzt werden.

5
Warum ist die mittlere Funktion im Gaußschen Prozess nicht von Interesse?
Ich habe gerade angefangen, über GPs zu lesen, und analog zur regulären Gaußschen Verteilung ist sie durch eine mittlere Funktion und die Kovarianzfunktion oder den Kernel gekennzeichnet. Ich war auf einem Vortrag und der Sprecher sagte, dass die Mittelwertfunktion normalerweise ziemlich uninteressant ist und der gesamte Inferenzaufwand für die Schätzung …
2
Stimmt es, dass Bayes'sche Methoden nicht überanstrengen?
Stimmt es, dass Bayes'sche Methoden nicht überanstrengen? (Ich habe einige Artikel und Tutorials gesehen, die diese Behauptung aufstellten.) Wenn wir beispielsweise einen Gaußschen Prozess auf MNIST anwenden (handschriftliche Ziffernklassifizierung), ihn aber nur als einzelnes Sample anzeigen, wird dann für Eingaben, die sich von diesem einzelnen Sample unterscheiden, die vorherige Verteilung …
1
Wavelet-Domain-Gauß-Prozesse: Was ist die Kovarianz?
Ich habe Maraun et al . Gelesen, "Nichtstationäre Gauß-Prozesse im Wavelet-Bereich: Synthese, Abschätzung und signifikante Tests" (2007), die eine Klasse von nichtstationären GPs definieren, die durch Multiplikatoren im Wavelet-Bereich spezifiziert werden können. Eine Realisierung eines solchen GP ist: wobei weißes Rauschen ist, die kontinuierliche Wavelet-Transformation in Bezug auf Wavelet , …
2
Was ist der Grund für die Matérn-Kovarianzfunktion?
Die Matérn-Kovarianzfunktion wird üblicherweise als Kernel-Funktion im Gaußschen Prozess verwendet. Es ist so definiert 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 )}} Dabei ist eine Abstandsfunktion (wie die euklidische Distanz), ist die Gammafunktion, ist die …
3
Passender multivariater, natürlicher kubischer Spline
Anmerkung: keine richtigen Antworten nach einem Monat habe ich zu reposted SO Hintergrund Ich habe ein Modell, , wobeifffY=f(X)Y=f(X)Y=f(\textbf{X}) XX\textbf{X} ist eine Matrix von Abtastwerten aus Parametern und ist der Vektor von Modellausgaben.m Y n × 1n×mn×mn \times mmmmYYYn×1n×1n \times 1 fff ist rechenintensiv, daher möchte ich mit einem multivariaten …
1
Gaußscher Prozess: Eigenschaften der Funktionsnäherung
Ich lerne etwas über den Gaußschen Prozess und habe nur Kleinigkeiten gehört. Würde mich sehr über Kommentare und Antworten freuen. Stimmt es, dass eine Gaußsche Prozessfunktionsnäherung für jeden Datensatz an den Datenpunkten null oder einen vernachlässigbaren Anpassungsfehler ergibt? An anderer Stelle hörte ich auch, dass der Gauß-Prozess besonders gut für …
2
Was ist eine Verteilung über Funktionen?
Ich lese ein Lehrbuch über den Gaußschen Prozess für maschinelles Lernen von CE Rasmussen und CKI Williams und habe Probleme zu verstehen, was Verteilung über Funktionen bedeutet. In dem Lehrbuch wird ein Beispiel gegeben, dass man sich eine Funktion als einen sehr langen Vektor vorstellen sollte (in der Tat sollte …
1
Grundlegendes zur Gaußschen Prozessregression in der Funktionsansicht mit unbegrenzter Dimensionsbasis
Es wird oft gesagt, dass die Gaußsche Prozessregression (GPR) der Bayes'schen linearen Regression mit einer (möglicherweise) unendlichen Anzahl von Basisfunktionen entspricht. Ich versuche derzeit, dies im Detail zu verstehen, um eine Vorstellung davon zu bekommen, welche Art von Modellen ich mit GPR ausdrücken kann. Glauben Sie, dass dies ein guter …
3
Splines gegen Gaußsche Prozessregression
Ich weiß, dass die Gaußsche Prozessregression (GPR) eine Alternative zur Verwendung von Splines zur Anpassung flexibler nichtlinearer Modelle ist. Ich würde gerne wissen, in welchen Situationen eine besser geeignet ist als die andere, insbesondere im Rahmen der Bayes'schen Regression. Ich habe bereits nachgesehen. Was sind die Vor- / Nachteile der …
4
Gaußsche Prozesse: Verwendung von GPML für mehrdimensionale Ausgaben
Gibt es eine Möglichkeit, eine Gaußsche Prozessregression für mehrdimensionale Ausgaben (möglicherweise korreliert) mithilfe von GPML durchzuführen ? Im Demo-Skript konnte ich nur ein 1D-Beispiel finden. Eine ähnliche Frage zum Lebenslauf, die sich mit mehrdimensionalen Eingaben befasst. Ich ging ihr Buch durch, um zu sehen, ob ich etwas finden konnte. Im …
2
Vorteile von Gaußschen Prozessen
Ich habe diese Verwirrung in Bezug auf die Vorteile von Gaußschen Prozessen. Ich meine, es mit einer einfachen linearen Regression zu vergleichen, bei der wir definiert haben, dass die lineare Funktion die Daten modelliert. In Gaußschen Prozessen definieren wir jedoch die Verteilung der Funktionen, dh wir definieren nicht speziell, dass …
2
Schlecht konditionierte Kovarianzmatrix in der GP-Regression zur Bayes'schen Optimierung
Hintergrund und Problem Ich verwende Gaußsche Prozesse (GP) zur Regression und anschließenden Bayes'schen Optimierung (BO). Für die Regression verwende ich das gpml- Paket für MATLAB mit mehreren benutzerdefinierten Modifikationen, aber das Problem ist allgemein. Es ist eine bekannte Tatsache, dass, wenn zwei Trainingseingaben im Eingaberaum zu nahe beieinander liegen, die …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.