图上的高斯过程
机器学习
2018-03-21 v2 机器学习
信号处理
摘要
我们利用目标向量位于图上的先验知识，提出了针对图上信号的高斯过程（GPG）。我们使用基于图拉普拉斯算子的正则化来融合这一信息，该正则化强制目标向量在图傅里叶变换系数方面具有特定的轮廓，例如低通或带通图信号。我们讨论了该正则化如何影响预测输出中的均值与方差。特别地，我们证明了对于任意非平凡图，GPG 的预测方差严格小于传统高斯过程（GP）。我们通过将其应用于各种真实世界的图信号来验证我们的概念。我们的实验表明，在训练数据量较小以及含噪训练的情况下，GPG 的性能优于 GP。
引用
@article{arxiv.1803.05776,
title = {Gaussian Processes Over Graphs},
author = {Arun Venkitaraman and Saikat Chatterjee and Peter Händel},
journal= {arXiv preprint arXiv:1803.05776},
year = {2018}
}