用于周期检测的高斯过程模型
统计理论
2016-08-22 v3 统计理论
摘要
我们考虑在给定有限数量输入/输出元组的噪声观测的情况下，检测和量化函数周期成分的问题。我们的方法基于高斯过程回归，它为建模周期数据提供了灵活的非参数框架。我们引入了一种新的协方差函数分解，将其分解为周期核和非周期核之和。这种分解允许创建捕捉信号周期性质及其补集的子模型。为了量化信号的周期性，我们推导了一个周期比，它反映了拟合子模型中的不确定性。尽管该方法可以应用于许多核，但我们特别强调Matérn族，从再生核希尔伯特空间内积的表达式到在GP工具包中实现相关的周期核。通过检测拟南芥基因组中周期性表达的基因来说明所提出的方法。
引用
@article{arxiv.1303.7090,
title = {Gaussian process models for periodicity detection},
author = {Nicolas Durrande and James Hensman and Magnus Rattray and Neil D. Lawrence},
journal= {arXiv preprint arXiv:1303.7090},
year = {2016}
}
备注
in PeerJ Computer Science, 2016