多分辨率高斯过程
统计方法学
2012-09-06 v1 机器学习
摘要
我们提出了一种多分辨率高斯过程，旨在捕捉长程、非马尔可夫依赖关系，同时允许突变。该多分辨率高斯过程（GP）在层次上耦合了一组平滑 GP，每个 GP 定义在随机嵌套划分的元素上。顶层 GP 捕捉长程依赖关系，而划分点定义突变。由于 GP 固有的共轭性，人们可以解析地对 GP 进行边缘化，并计算给定划分树的观测值的条件似然。这一特性允许高效地推断划分本身，为此我们采用了图论技术。我们将多分辨率 GP 应用于脑活动磁脑图（MEG）记录的分析。
引用
@article{arxiv.1209.0833,
title = {Multiresolution Gaussian Processes},
author = {Emily B. Fox and David B. Dunson},
journal= {arXiv preprint arXiv:1209.0833},
year = {2012}
}