covariance functions | BriefGPT

关键词covariance functions

搜索结果 - 10

无均值回归的平稳性：不正规高斯过程回归和不正规核函数
使用不正规的高斯过程先验可以定义比较平稳但不回均值的过程，我们引入了一类大量的不正规核函数，这些不正规核函数只能在不正规的情况下定义，其中包括产生无限平滑样本的平滑随机行走核函数，以及可以定义为任意整数次可微的不正规马特尔核函数，通过分析合
PDF9 months ago
用于分析全球环境数据的时空多分辨率逼近
本文提出了一种针对全球数据的时空建模扩展方法，将多分辨率逼近（MRA）方法与分区及复杂协方差模型拟合相结合，实现了可扩展的计算性能和灵活的协方差模型，为分析全球性数据提供了实用的策略。
PDF4 years ago
AAAI避免核心定点：使用 ELU 和 GELU 无限网络计算
本文章提出了一种新的方法来推导多层感知器的协方差函数，并研究了具有不同激活函数的神经网络的固定点动力学，结果表明这些新的核展现出在有限宽度神经网络中被反映的非平凡的固定点动力学，这些网络中存在的固定点行为解释了过参数化的深度模型中的隐式正则
PDF4 years ago
MM训练高斯过程的量子算法
本文提出利用量子算法计算高斯过程模型中的边缘似然函数，能够显著提高计算效率。
PDF6 years ago
高斯随机场线性代价协方差函数
本文提出了一种具有层次结构的协方差函数的构造，这种协方差函数在各种随机场计算中，包括采样、克里金以及似然估计中都表现出高效的特点，特别适用于极大数量站点的克里金预测。
PDF7 years ago
MM近线性计算复杂度下的密集核矩阵压缩、反演和近似 PCA
通过对协方差函数的未完全 Cholesky 分解，可以在近线性的复杂度内压缩、反演和近似 PCA 大量协方差矩阵，并提供了具有最佳收敛速度的近似稀疏 PCA。
PDF7 years ago
时间依赖和非线性偏微分方程的数值高斯过程
介绍了数值高斯过程的概念，它是通过对时间依赖偏微分方程进行时间离散化来定义的高斯过程。当前的方法可以处理的情况包括只能观测到初始条件的噪声数据和我们感兴趣的是在解决时间依赖偏微分方程时与这些噪声数据相关的不确定性的量化。这种方法通过适当放置
PDF7 years ago
关于高斯过程积分和西格玛点方法之间的关系
本文讨论了基于高斯过程回归方法的数值积分方法 —— 高斯过程积分和高斯 - 赫米特积分以及与非线性滤波和平滑算法中使用的 sigma 点方法之间的等价性，并比较不同 sigma 点位置选取的不同标准和在数值实验中的性能。
PDF9 years ago
避免非正常问题的超深度网络
研究了深度高斯过程、网络结构、协方差函数、dropout 和正则化策略对深度网络预测性能的影响。在标准网络结构中，网络表示容量会随层数增加而减少，通过提出一种新的网络结构来避免这一问题。同时，通过分析无穷多特征变换组合的深度协方差函数，阐明
PDF10 years ago
稀疏高斯过程模拟局部和全局现象
本文提出了一种新的稀疏高斯过程模型，它包含两个加性组件：全局稀疏近似和具有紧支撑协方差函数的协方差函数，我们使用实际数据集表明，与全局稀疏近似和部分独立条件（PIC）逼近相比，我们的模型在具有两个加性现象的数据集中表现出色。
PDF12 years ago