关键词multi-output gaussian processes
搜索结果 - 7
- 层次数据的潜在变量多输出高斯过程
该研究论文提出了一个扩展多输出高斯过程(MOGPs)用于分层数据集的方法,通过定义适合层次结构的核函数来捕捉不同层次的相关性,并通过引入潜在变量表达输出之间的潜在依赖关系,以提高可扩展性。通过合成数据和基因组学以及动作捕捉的真实世界数据进行 - 异质多任务高斯 Cox 过程
本文介绍了一种新颖的多任务高斯 Cox 过程扩展,通过多输出高斯过程(MOGP)联合建模多个异构相关任务,例如分类和回归,MOGP 先验适用于用于分类、回归和点处理任务的专用似然函数的参数,可以促进异构任务之间的信息共享,同时允许非参数估计 - ICML多输出高斯过程的可扩展精确推断
研究了一种加速多输出高斯过程推理和学习的方法,利用数据的充分统计量实现在正交基中的线性缩放,从而实现在实践中线性缩放,同时不会牺牲重要的表现力或需要近似。
- 使用具有高斯过程的潜在力模型研究药物的病人特异性效应
本研究提出了一种基于多元高斯过程的模型,该模型将包含因特定治疗措施而产生的生理变化的隐式力模型与反映病人生理特征的高斯过程卷积起来,从而能够较准确地预测病人对治疗措施的生理响应。
- ICML回归分布校准
本文介绍了一种新的分布校准方法,并提出了采用多输出高斯过程和 Beta 链接函数的方法来改善先前训练的回归模型的预测的后验方法。该方法得到了实验验证,并在分布层和分位数层面上均有所提高。
- 异质多输出高斯过程预测
本文提出了一种新的多输出高斯过程扩展方法,用于处理异构输出,此方法使用向量值高斯过程先验来联合建模所有似然函数中的参数作为潜在函数,并以线性模型为核心的协同关系形式使用协方差函数;在假设潜在函数之间存在条件独立性并利用引导变量框架的前提下, - 一种改进的多输出高斯过程循环神经网络,具有实时验证功能,用于早期脓毒症检测
该研究提出一种多输出高斯过程和深度递归神经网络相结合的方法,实现对 sepsis 的早期检测,有效性较现有方法更佳,并可在实时仪表盘上展示其预测结果,以便用于 sepsis 快速反应团队的诊断和治疗。