高斯过程回归模型中协方差核的可识别性
统计理论
2023-03-07 v3 统计方法学
统计理论
摘要
高斯过程回归 (GPR) 模型是一种流行的非参数回归模型。在 GPR 中，回归函数的特征（如不同程度的光滑性和周期性）通过组合各种协方差核来建模，这些核被用来模拟特定的效应。协方差核具有未知参数，这些参数通过 EM 算法或马尔可夫链蒙特卡洛进行估计。估计的参数是推断回归函数特征的关键，但这些参数的可识别性尚未得到研究。在本文中，我们证明了在两种径向基混合核 GPR 以及径向基与周期混合核 GPR 中协方差核参数的可识别性。我们还给出了关于此类混合核 GPR 中不可识别情形的一些例子。
引用
@article{arxiv.2108.04715,
title = {Identifiability of Covariance Kernels in the Gaussian Process Regression Model},
author = {Jaehoan Kim and Jaeyong Lee},
journal= {arXiv preprint arXiv:2108.04715},
year = {2023}
}
备注
20 pages, 0 figures