卷积多输出高斯过程模型选择中的印度自助餐过程
机器学习
2015-03-24 v1
摘要
多输出高斯过程在过去几年中受到越来越多的关注，作为一种将高斯过程的强大灵活性扩展至多输出变量设置的自然机制。其关键点在于能够设计核函数，在满足协方差函数正定性要求的同时，利用输出间的相关性。构建这些协方差函数的替代方案包括核心区域化线性模型和过程卷积。这些方法均需要指定用于构建输出协方差函数的潜在高斯过程的数量。本文提出使用印度自助餐过程（Indian Buffet process）作为对潜在高斯过程数量进行模型选择的方法。此类模型在潜在力模型背景下尤为重要，其中潜在力与蛋白质谱或机械系统中的潜在力等物理量相关联。我们使用变分推断来估计涉及变量的后验分布，并展示了该模型在人工数据、动作捕捉数据集以及基因表达数据集上的性能示例。
引用
@article{arxiv.1503.06432,
title = {Indian Buffet process for model selection in convolved multiple-output Gaussian processes},
author = {Cristian Guarnizo and Mauricio A. Álvarez},
journal= {arXiv preprint arXiv:1503.06432},
year = {2015}
}