GP-ALPS：面向多输出高斯过程模型的自动隐过程选择
机器学习
2019-12-18 v2 机器学习
统计方法学
摘要
将高斯过程（GPs）扩展到多输出的一种简单且被广泛采用的方法，是将每个输出建模为一组共享的、未观测到的隐 GPs 的线性组合。该方法的一个问题在于选择隐过程的数量及其核函数。这些选择通常是手动完成的，这可能耗时且容易受人偏见影响。我们提出了高斯过程自动隐过程选择（GP-ALPS），它通过关闭那些对解释数据没有实质性贡献的隐过程来自动选择隐过程。我们开发了一种变分推断方案，通过将其与黄金标准 MCMC 进行比较来评估变分后验的质量，并在一组初步实验中展示了 GP-ALPS 的适用性。
引用
@article{arxiv.1911.01929,
title = {GP-ALPS: Automatic Latent Process Selection for Multi-Output Gaussian Process Models},
author = {Pavel Berkovich and Eric Perim and Wessel Bruinsma},
journal= {arXiv preprint arXiv:1911.01929},
year = {2019}
}