BriefGPT.xyz
Dec, 2021
迭代高斯过程何时准确可靠？
When are Iterative Gaussian Processes Reliably Accurate?
HTML
PDF
Wesley J. Maddox, Sanyam Kapoor, Andrew Gordon Wilson
TL;DR
通过研究共轭梯度法的容差、预处理器秩和Lanczos分解秩，挖掘了基于迭代方法的一般性高斯过程学习中数值不稳定性和测试似然度差异的问题，并在使用小的共轭梯度法容差（ε≤0.01）和大的分解大小（r≥5000）以及L-BFGS-B优化器时，提供了简单的纠正建议，同时减少梯度更新次数达到收敛。
Abstract
While recent work on
conjugate gradient methods
and
lanczos decompositions
have achieved scalable
gaussian process inference
with highly a
→