面向噪声输出和非嵌套实验设计的多保真高斯过程回归：递归与非递归形式的比较
应用统计
2026-05-21 v2
摘要
本文探讨了面向噪声和非嵌套高保真和低保真数据设置的自回归多保真高斯过程回归的递归形式。我们提出一种基于期望最大化算法的解耦优化策略，利用递归模型的结构。在 particular，我们推导了当缩放因子建模为参数化线性预测器时的闭式更新公式。该方法与肯尼迪和奥哈坎引入的经典非递归形式进行了比较。一系列基准实验，涵盖不同复杂度的应用，突出了两种方法的性能。结果表明，所提出的递归策略在特别是在大量低保真数据可用时显著减少训练时间，同时保持具有竞争力的预测准确性和不确定性估计。
引用
@article{arxiv.2511.20183,
title = {Multi-fidelity Gaussian process regression for noisy outputs and non-nested experimental designs: a comparison between the recursive and non-recursive formulations},
author = {Nils Baillie and Baptiste Kerleguer and Cyril Feau and Josselin Garnier},
journal= {arXiv preprint arXiv:2511.20183},
year = {2026}
}