多任务高斯过程中的信息融合
机器学习
2013-09-06 v3 人工智能
机器学习
摘要
本文在地质资源建模背景下，评估了利用多任务高斯过程进行异构信息融合的效果。具体而言，本文通过实证表明，与单独建模相比，跨异构信息源的信息整合能对所有被建模量产生更优的估计。多任务高斯过程为同时建模多个感兴趣量提供了一种强有力的方法，同时考虑了这些量之间的相关性。实验在大规模真实传感器数据上进行。
引用
@article{arxiv.1210.1928,
title = {Information fusion in multi-task Gaussian processes},
author = {Shrihari Vasudevan and Arman Melkumyan and Steven Scheding},
journal= {arXiv preprint arXiv:1210.1928},
year = {2013}
}
备注
53 pages, 33 figures; improved presentation