基于可和谱混合的非平稳多输出高斯过程
机器学习
2022-02-21 v1 机器学习
信号处理
摘要
多输出高斯过程（MOGP）的核设计近期受到越来越多的关注。具体而言，多输出谱混合核（MOSM）arXiv:1709.01298 方法被推崇为一种通用模型，因为它扩展了线性区域化模型、内蕴区域化模型和交叉谱混合等其他方法。MOSM 依赖 Cramér 定理将功率谱密度（PSD）参数化为高斯混合，因此具有一种结构性限制：由于假设 PSD 的存在，该方法仅适用于多输出平稳应用场景。我们通过为 MOGP 提出可和核族，开发了 MOSM 的非平稳扩展，这是一类包含平稳过程和绝大多数非平稳过程的核。所提出的可和核的一个主要贡献是它们能自动识别可能的非平稳行为，这意味着从业者无需在平稳核与非平稳核之间做出选择。所提方法首先在合成数据上进行了验证，旨在说明本方法的关键特性，随后在来自金融和脑电图领域的两个真实场景中与现有 MOGP 方法进行了比较。
引用
@article{arxiv.2202.09233,
title = {Nonstationary multi-output Gaussian processes via harmonizable spectral mixtures},
author = {Matías Altamirano and Felipe Tobar},
journal= {arXiv preprint arXiv:2202.09233},
year = {2022}
}
备注
Accepted at AISTATS 2022