dynamic boltzmann machine (DyBM) has been shown highly efficient to predict
time-series data. Gaussian DyBM is a DyBM that assumes the predicted data is
generated by a gaussian distribution whose first-order mome
本研究结合贝叶斯非参数模型高斯过程和狄利克雷过程,创新性地在高斯过程的基础上引入结构化时间序列数据模型,以及加速新型的狄利克雷过程变分推理算法,可用于优化我们的方差逼近。生物时间序列应用实例中,我们的模型更好地捕获了数据的显著特征,提高了与现有生物分类的一致性,同时推理算法提供了 EM 变分推理的两倍速度。