gaussian process | BriefGPT

关键词gaussian process

搜索结果 - 210

基于高斯过程的安全主动学习用于时间序列建模
通过使用高斯过程和非线性外部输入结构在考虑给定安全约束条件的情况下，活跃地学习时间序列模型，使用动态探索输入空间生成适用于时间序列模型学习的数据，然后通过逐步确定安全要求和过去观察结果来对输入轨迹进行参数化分析，并在技术应用中进行实证评估，
PDF5 months ago
核心数据包的统一理论：从状态空间模型到紧支撑基础
用状态空间模型研究高斯过程，引入了右 KP 和左 KP 的概念，进一步得到多个紧支持 KP 函数，从而将高斯过程的预测时间降低到 O (log n) 或者 O (1)，并且可以应用到涉及高斯过程导数的更一般问题。
PDF5 months ago
多区域马尔可夫高斯过程：一种有效方法用于发现多个脑区之间的方向性通信
该研究将高斯过程（GP）和线性动力系统（LDS）两种统计模型融合，并创建了一个多区域马尔可夫高斯过程（MRM-GP）模型，通过显式地建模频率和相位滞后，实现了在神经记录的潜在空间中频率和相位时延的探索。该模型在时间点上具有线性推理成本，提供
PDF5 months ago
高维贝叶斯优化的标准高斯过程
对高维优化问题进行系统研究发现标准高斯过程贝叶斯优化（BO）在很多合成和真实世界基准问题中表现出色，在高维优化上经常比专门设计的现有 BO 方法更出色，同时具备适应各种目标函数结构的鲁棒性，单纯使用最大似然估计即可获得有前景的优化性能，不需
PDF5 months ago
面向敏捷自主机器人在未知环境中的导航与恢复的基于 GP 的鲁棒运动规划框架
提出了一种基于高斯过程（GP）的模型，用于主动检测未来运动规划失败的风险，并在风险超过阈值时触发恢复行为来从事实现目标的安全状态。该方法仅在仿真环境中进行训练，并可以泛化到不同机器人平台的实际环境中。仿真和物理实验证明了该框架既能预测规划器
PDF5 months ago
一个判别性贝叶斯高斯过程潜变量模型用于高维数据
我们提出了一种新的非参数建模方法 LDGD，利用高斯过程（GP）将高维数据映射到潜在的低维流形，通过推断潜变量来有效捕捉数据中的不确定性，提高了模型的预测准确性和鲁棒性。LDGD 不仅能准确地推断流形，而且在预测标签方面的准确性也超过了现有
PDF5 months ago
提高高维贝叶斯优化中的样本效率与 MCMC
基于马尔可夫链蒙特卡罗方法，我们提出了一种新的算法来从近似后验中高效采样，该算法在高维度的顺序优化中表现优于现有方法。
PDF6 months ago
AAAIPG-LBO：通过伪标签和高斯过程引导增强高维贝叶斯优化
基于变分自编码器的贝叶斯优化（VAE-BO）在处理高维结构化优化问题方面表现出出色的性能。我们提出了一种新颖的方法，通过利用无标签数据的引导，来有效地利用无标签数据与有标签数据进行训练，从而增强鉴别性潜空间的构建。本文中的方法在各种优化场景
PDF6 months ago
从人口和环境观察中利用高斯过程解码平均场博弈
通过利用高斯过程 (Gaussian Process) 框架来解决均场博弈 (mean field games) 中的反问题，我们的方法是一种概率工具，通过部分和嘈杂的观测数据来推断均场博弈中代理的行为和环境的配置。
PDF7 months ago
基于导数感知高斯过程的突变点检测的主动学习
引入 Derivative-Aware Change Detection (DACD) 方法，通过使用高斯过程（GP）的导数过程进行主动学习（AL），以有效确定变点位置。DACD 通过多个数据采集函数（AFs）平衡导数过程的开发和探索，并利
PDF7 months ago
深层潜在力模型：基于 ODE 的过程卷积用于贝叶斯深度学习
本研究提出了深度潜在力模型（DLFM），它是一种面向领域的方法，用于准确建模高度非线性动力系统并量化不确定性，该模型采用深度高斯过程架构，每个层的核函数基于普通微分方程和过程卷积的框架导出，通过权重空间和变分感应点的高斯过程近似，我们证明了
PDF7 months ago
基于数据驱动的先验学习在贝叶斯优化中的应用
使用转移学习方法的贝叶斯优化，不再需要任务间有相似最优输入的强假设，而是只需假设优化空间的形状相似，通过学习高斯过程代理模型的超参数先验，能更好地逼近潜在函数，特别是对于少量函数评估。我们通过使用合成数据和最近的一个空气污染优化问题作为基准
PDF7 months ago
工程设计中的多保真贝叶斯优化
综述了多保真优化与贝叶斯优化相交的领域中 MF BO 的最新发展，包括高斯过程为基础的 MF 代理模型和不同的采集函数，并探讨了多保真优化在约束优化、高维优化、不确定性优化和多目标优化中的应用。
PDF8 months ago
高维混合分类高斯过程在航空绿色设计优化中的应用
通过使用偏最小二乘回归构建少量超参数的混合分类高斯过程（Gaussian Process），我们提出了一种处理混合分类输入的广义克里金方法，并将其有效地应用于结构和多学科应用中，以展示悬臂梁的结构行为并促进绿色飞机的多学科优化，从而在单次飞
PDF8 months ago
用高斯过程求解高频率和多尺度偏微分方程
基于机器学习的求解器在物理模拟和科学计算中引起了广泛关注，本文介绍了一种基于高斯过程的方法来解决高频和多尺度的偏微分方程，利用混合核函数来灵活地捕捉主频，并通过在网格上放置采样点来加速计算，最终建立了一个 Kronecker 乘积结构的协方
PDF8 months ago
大规模高斯过程的交替投影
通过基于交替投影的迭代算法，我们提出了一种能够有效进行小批量处理的方法，在解决大规模高斯过程训练的实际挑战中，获得了线性收敛并具有良好的鲁棒性，实验证明在大规模基准数据集上，相比于共轭梯度方法，我们的方法加速了 2 倍到 27 倍。
PDF8 months ago
伪贝叶斯优化
采用拟贝叶斯优化的框架，通过利用简单的局部回归和随机化先验构建来量化不确定性，并保证收敛性，有效地优化高维度的综合实验、超参数调整和机器人应用的例子中胜过最先进的基准测试。
PDF9 months ago
RTDK-BO：具有增强的 Transformer 深度核函数的高维贝叶斯优化
本研究结合了深度内核学习和基于注意力机制的 Transformer 模型，通过元学习来改进高斯过程（GP）代理模型的建模能力，并结合连续的软 Actor-Critic 强化学习训练的学习采集函数来辅助探索，从而在连续高维优化问题中取得了最先
PDF9 months ago
异构搜索空间上的贝叶斯优化的迁移学习
本论文介绍了一种在异构领域中进行模型预训练的方法 MPHD，该方法使用神经网络映射将领域特定上下文映射到层级高斯过程的规范，以便与 BO 集成以在异构搜索空间中进行知识转移，并通过理论和实证结果证明了 MPHD 的有效性和优越的黑盒函数优化
PDF9 months ago
深入的高斯过程的非稳态卷积核的统一视角
高斯过程常用于数据的随机函数逼近和不确定性量化，在机器学习中它们表现出优秀的预测能力，尤其在数据稀缺场景下，但核函数作为高斯过程的重要构建模块，通常需要进行复杂的定制，我们通过研究代表性数据集中多种核函数的表现、性质和性能，提出了一种融合现
PDF10 months ago