关于基于最近邻高斯过程（NNGP）模型比较的注记
统计理论
2018-11-12 v1 统计理论
摘要
本注记致力于比较两个基于最近邻高斯过程（NNGP）的模型：响应 NNGP 模型与潜变量 NNGP 模型。我们指出，基于从 NNGP 基模型到其父 GP 基模型的 Kullback-Leibler 散度（KL-D）所作的比较，在不同参数空间中会导致相反的结论。并且我们就潜变量 NNGP 模型在逼近其父 GP 基模型时往往优于响应 NNGP 模型这一现象给出了一种启发式解释。
引用
@article{arxiv.1811.03735,
title = {A Note on the comparison of Nearest Neighbor Gaussian Process (NNGP) based models},
author = {Lu Zhang and Sudipto Banerjee},
journal= {arXiv preprint arXiv:1811.03735},
year = {2018}
}