Pertanyaan yang diberi tag «gaussian-process»

Saya baru saja mulai membaca tentang dokter dan analog dengan distribusi Gaussian biasa itu ditandai dengan fungsi rata-rata dan fungsi kovarian atau kernel. Saya sedang berbicara dan pembicara mengatakan bahwa fungsi rata-rata biasanya tidak menarik dan semua upaya inferensi dihabiskan untuk memperkirakan fungsi kovarian yang benar. Dapatkah seseorang menjelaskan kepada …

28 gaussian-process 

Saya sedikit bingung. Mengapa proses Gaussian disebut model non parametrik? Mereka mengasumsikan bahwa nilai-nilai fungsional, atau bagian dari mereka, memiliki Gaussian prior dengan fungsi rata-rata 0 dan kovarian yang diberikan sebagai fungsi kernel. Fungsi-fungsi kernel ini sendiri memiliki beberapa parameter (yaitu, hiperparameter). Jadi mengapa mereka disebut model non parametrik?

26 nonparametric  gaussian-process 

Benarkah metode Bayesian tidak overfit? (Saya melihat beberapa makalah dan tutorial membuat klaim ini) Sebagai contoh, jika kita menerapkan Proses Gaussian ke MNIST (klasifikasi digit tulisan tangan), tetapi hanya memperlihatkannya sebagai sampel tunggal, akankah ia kembali ke distribusi sebelumnya untuk input yang berbeda dari sampel tunggal itu, betapapun kecil perbedaannya?

25 bayesian  nonparametric  gaussian-process  overfitting  misspecification 

Saya telah membaca Maraun et al , "Proses Gaussian Non-stasioner dalam domain wavelet: Sintesis, estimasi, dan pengujian signifikan" (2007) yang mendefinisikan kelas dokter non-stasioner yang dapat ditentukan oleh pengganda dalam domain wavelet. Realisasi dari salah satu GP tersebut adalah: mana adalah white noise, adalah transformasi wavelet kontinu sehubungan dengan wavelet …

20 normal-distribution  stochastic-processes  gaussian-process  fourier-transform  wavelet 

Fungsi kovarians Matérn umumnya digunakan sebagai fungsi kernel dalam Proses Gaussian. Ini didefinisikan seperti ini Cν(d)=σ221−νΓ(ν)(2ν−−√dρ)νKν(2ν−−√dρ)Cν(d)=σ221−νΓ(ν)(2νdρ)νKν(2νdρ) {\displaystyle C_{\nu }(d)=\sigma ^{2}{\frac {2^{1-\nu }}{\Gamma (\nu )}}{\Bigg (}{\sqrt {2\nu }}{\frac {d}{\rho }}{\Bigg )}^{\nu }K_{\nu }{\Bigg (}{\sqrt {2\nu }}{\frac {d}{\rho }}{\Bigg )}} di mana ddd adalah fungsi jarak (seperti jarak Euclidean), ΓΓ\Gamma adalah fungsi …

19 spatial  gaussian-process  kernel-trick 

Tahun lalu di NIPS 2017 Ali Rahimi dan Ben Recht memenangkan ujian penghargaan waktu untuk makalah mereka "Fitur Acak untuk Mesin Kernel Skala Besar" di mana mereka memperkenalkan fitur acak, yang kemudian dikodifikasikan sebagai algoritma kitchen sink acak. Sebagai bagian dari mempublikasikan makalah mereka, mereka menunjukkan bahwa model mereka dapat …

18 machine-learning  svm  gaussian-process  approximation 

catatan: tanpa jawaban yang benar setelah sebulan, saya telah memposting ulang ke SO Latar Belakang Saya punya model, fff , di mana Y=f(X)Y=f(X)Y=f(\textbf{X}) XX\textbf{X} adalahmatriksn×mn×mn \times m sampel dariparametermmm danYYY adalahvektorn×1n×1n \times 1 dari output model. fff adalah komputasi yang intensif, jadi saya ingin memperkirakanfff menggunakan spline kubik multivariat melalui(X,Y)(X,Y)(X,Y) …

17 r  multivariate-analysis  splines  interpolation  gaussian-process 

Saya belajar tentang Proses Gaussian dan hanya mendengar sedikit demi sedikit. Sangat menghargai komentar dan jawaban. Untuk setiap set data, apakah benar bahwa perkiraan fungsi Proses Gaussian akan memberikan nol atau kesalahan pemasangan yang dapat diabaikan pada titik data? Di tempat lain saya juga mendengar bahwa Proses Gaussian sangat baik …

16 gaussian-process 

Saya membaca buku teks Proses Gaussian untuk Pembelajaran Mesin oleh CE Rasmussen dan CKI Williams dan saya mengalami kesulitan memahami apa arti distribusi dari fungsi . Dalam buku pelajaran, contoh diberikan, bahwa orang harus membayangkan fungsi sebagai vektor yang sangat panjang (pada kenyataannya, itu harus sangat panjang?). Jadi saya membayangkan …

15 distributions  gaussian-process 

Sering dikatakan bahwa regresi proses gaussian berhubungan (GPR) dengan regresi linier bayesian dengan (kemungkinan) jumlah tak terbatas fungsi basis. Saat ini saya mencoba memahami ini secara detail untuk mendapatkan intuisi untuk model seperti apa yang dapat saya ungkapkan menggunakan GPR. Apakah Anda berpikir bahwa ini adalah pendekatan yang baik untuk …

14 gaussian-process  kernel-trick  basis-function 

Saya tahu bahwa Gaussian Process Regression (GPR) adalah alternatif untuk menggunakan splines untuk pemasangan model nonlinier yang fleksibel. Saya ingin tahu di mana situasi yang lebih cocok dari yang lain, terutama dalam kerangka regresi Bayesian. Saya sudah melihat Apa keuntungan / kerugian dari menggunakan splines, spline yang dihaluskan, dan emulator …

14 regression  gaussian-process  splines  kriging 

Divergensi Kullback-Leibler adalah metrik untuk membandingkan dua fungsi kepadatan probabilitas, tetapi metrik apa yang digunakan untuk membandingkan dua GP dan ?YXXXYYY

14 gaussian-process  metric 

Saya mencoba untuk menyetel hyperparameter dari algoritma regresi proses gaussian yang telah saya terapkan. Saya hanya ingin memaksimalkan kemungkinan marginal log yang diberikan oleh rumus mana K adalah matriks kovarians dengan elemen K_ {ij} = k (x_i, x_j) = b ^ {- 1} \ exp (- \ frac {1} {2} …

13 regression  optimization  gaussian-process  hyperparameter 

Apakah ada cara untuk melakukan Regresi Proses Gaussian pada output multidimensi (mungkin berkorelasi) menggunakan GPML ? Dalam skrip demo saya hanya bisa menemukan contoh 1D. Sebuah pertanyaan serupa pada CV yang menangani kasus masukan multidimensi. Saya membaca buku mereka untuk melihat apakah saya dapat menemukan sesuatu. Dalam bab ke - …

13 regression  machine-learning  matlab  gaussian-process  nonparametric-bayes 

Saya memiliki kebingungan ini terkait dengan manfaat dari proses Gaussian. Maksud saya membandingkannya dengan regresi linier sederhana, di mana kita telah mendefinisikan bahwa fungsi linier memodelkan data. Namun, dalam proses Gaussian kami mendefinisikan distribusi fungsi berarti kami tidak secara spesifik mendefinisikan bahwa fungsi harus linier. Kita dapat mendefinisikan prior atas …

13 gaussian-process