用于空气质量推断的深度高斯过程
机器学习
2022-11-21 v1 机器学习
摘要
空气污染每年导致约 700 万人死亡，且约 24 亿人暴露于危险的空气污染中。准确、细粒度的空气质量（AQ）监测对于控制和减少污染至关重要。然而，AQ 站点的部署稀疏，因此针对未监测位置的空气质量推断十分关键。传统的插值方法无法学习复杂的 AQ 现象。本工作表明深度高斯过程模型（DGPs）是 AQ 推断任务的一种有前景的模型。我们实现了一种 DGP 算法——双重随机变分推断，并展示其性能与最先进（SOTA）模型相当。
引用
@article{arxiv.2211.10174,
title = {Deep Gaussian Processes for Air Quality Inference},
author = {Aadesh Desai and Eshan Gujarathi and Saagar Parikh and Sachin Yadav and Zeel Patel and Nipun Batra},
journal= {arXiv preprint arXiv:2211.10174},
year = {2022}
}
备注
Accepted for publication at ACM India Joint International Conference on Data Science and Management of Data (CoDS-COMAD 2023)