基于堆叠高斯过程的环境建模框架
机器学习
2017-06-20 v2 机器学习
摘要
本文引入一种独立训练的高斯过程网络(StackedGP)，以获得具有量化不确定性的关注量的预测。StackedGP框架的主要应用是通过模型组合集成不同数据集、通过中间预测的级联增强关注量的预测，以及通过由不确定强迫变量驱动的仿真动力系统传播不确定性。利用具有不确定输入的平方指数核与多项式核高斯过程的分析一阶和二阶矩，可获得需要任意函数组合的关注量的近似期望。StackedGP模型扩展到任意层数和每层任意节点数，并为输入节点的核选择提供灵活性。所提出的非参数堆叠模型使用合成数据集进行验证，并通过对两个使用真实数据的应用衡量其在模型组合与级联预测中的性能。
引用
@article{arxiv.1612.02897,
title = {Environmental Modeling Framework using Stacked Gaussian Processes},
author = {Kareem Abdelfatah and Junshu Bao and Gabriel Terejanu},
journal= {arXiv preprint arXiv:1612.02897},
year = {2017}
}