面向环境监测的非平稳时空模型学习
机器学习
2018-04-30 v1 机器学习
摘要
可持续发展的主要方面之一涉及对环境现象的准确理解与建模。许多此类现象在空间和时间内均表现出变化，因此亟需深入理解能够精确建模时空动态的技术。本文提出 NOSTILL-GP——非平稳时空可变潜长度尺度高斯过程（NOn-stationary Space TIme variable Latent Length scale GP），一种通用的非平稳时空高斯过程（GP）模型。我们提出了若干策略以高效训练模型，这是实际应用的必要前提。利用三个具有多样时空动态的实时环境监测数据集进行了广泛的实证验证。实验结果清晰表明了我们的方法在环境监测应用中的普遍适用性与有效性。
引用
@article{arxiv.1804.10535,
title = {Learning Non-Stationary Space-Time Models for Environmental Monitoring},
author = {Sahil Garg and Amarjeet Singh and Fabio Ramos},
journal= {arXiv preprint arXiv:1804.10535},
year = {2018}
}
备注
AAAI-12