面向高斯过程的多输出卷积谱混合核
机器学习
2021-10-11 v7 机器学习
摘要
多输出高斯过程（MOGPs）是高斯过程（GPs）的扩展，用于同时预测多个输出变量（也称为通道、任务）。本文利用卷积定理为 MOGPs 设计一种新的核，通过在谱域中对时间和相位延迟分量进行互卷积来建模通道间的依赖关系。所得核称为多输出卷积谱混合（MOCSM）核。在合成与真实数据集上的大量实验结果表明了所提核的优势及其最先进的性能。MOCSM 具有一个理想性质：当考虑单通道时退化为著名的谱混合（SM）核。与近期提出的多输出谱混合核相比，发现后者核不具备该性质，其包含二次项，当不同通道的谱密度在频域中彼此非常接近或非常远离时会产生不良的尺度效应。
引用
@article{arxiv.1808.02266,
title = {Multi-Output Convolution Spectral Mixture for Gaussian Processes},
author = {Kai Chen and Twan van Laarhoven and Perry Groot and Jinsong Chen and Elena Marchiori},
journal= {arXiv preprint arXiv:1808.02266},
year = {2021}
}
备注
12 pages, 48 figures. arXiv admin note: text overlap with arXiv:1808.01132