关键词gaussian process state-space models
搜索结果 - 3
- 集合卡尔曼滤波辅助变分推断在高斯过程态空间模型中的应用
通过集成卡尔曼滤波器(EnKF)近似推断隐藏状态的后验分布,我们提出了一种改进的变分推断方法,有效地训练高斯过程状态空间模型(GPSSM),并在学习和推断性能方面优于现有方法。
- 基于领域信息的高斯过程状态空间模型的区分外分布检测
提出了一种利用现有领域知识嵌入核函数的新方法,以及一种基于滚动预测的离线在线监控器,用于使机器人在未知情况下使用基于学习的方法安全导航。数值结果表明,与标准的核函数选择相比,具有领域知识的核函数在小数据集上具有更好的回归质量。通过对一个室内 - KDD高斯过程状态空间模型中的主动学习
本文研究了高斯过程状态空间模型的主动学习。通过决定其输入,我们可以通过 GPSSM 最优地学习系统的潜在状态,以便选择最具信息量的输入。我们提出了两种逼近潜在状态下 GPSSM 的互信息的方法,并在多个物理系统中进行了评估。