高斯过程又称正态随机过程,它是一种普遍存在和重要的随机过程。在通信信道中的噪声,通常是一种高斯过程。故又称高斯噪声。 通俗地讲,在任意时刻去观察随机过程,若其随机变量的概率分布都满足高斯分布,这个随机过程就是高斯过程。
...下面的公式选择下一次采样的位置: 这里我们考虑最大化函数值的情况,首先使用已有的观测值来构建一个高斯过程(Gaussian process)的回归模型,并预测出未知输入位置上的均值和标准差。我们选择均值和标准差的加和最大的输入位置来作为下一个取样的点。
基于280个网页-相关网页
...算法及其变种过度依赖系统动态模型和系统噪声协方差的先验知识,使得这些方法在估计性能上受到很大约束,将高斯过程(Gauss Process, GP)回归引入平方根数值积分卡尔曼滤波器(Square-Root Cubature Kalman Filt...
基于36个网页-相关网页
在超参数优化算法方面,团队研发了AutoML自动超参数优化框架,集成了包括高斯过程(Gaussian Processes, GP)和树形结构Parzen估计器(Tree-structured Parzen Estimator, TPE)等在内的多种超参数优化算法,通过全程自动化托管解决了...
基于8个网页-相关网页
The experiment result shows that the performance of reinforcement learning method combined with Gaussian Processes,such as convergence speed and final results had been improved rapidly.
实验结果表明,结合了高斯过程的强化学习方法在各方面性能,如收敛速度以及最终实验效果等都有所提高。
参考来源 - 强化学习维数灾问题解决方法研究·2,447,543篇论文数据,部分数据来源于NoteExpress
提出了混沌系统将非高斯信号转变为高斯过程的理论。
The theory that chaos system can change non-gauss noise to gauss process is presented.
高斯过程隐变量模型是最近提出的比较流行的无监督降维方法。
Gaussian process latent variable model (GPLVM) is a popular manifold method recently proposed for dimensional reduction.
内核方法和支持向量机(SVMs)与高斯过程相关并应用于分类和回归问题。
Kernal methods and support Vector Machines (SVMs) are related to Gaussian processes and can also be used in classification and regression problems.
应用推荐