带域适应的正则化多输出高斯卷积过程

多输出高斯过程（MGP）因其高灵活性和普遍性而在建模多个输出方面受到日益关注的转移学习方法。尽管如此，MGP 在应用到转移学习时仍面临两个关键挑战：第一个是负转移，这发生在输出之间不存在共享信息时；第二个挑战是输入域不一致，这在转移学习中常被研究，却在 MGP 中未被探索。为了克服这些挑战，本文提出了具有域适应的正则化 MGP 建模框架。具体而言，提出了使用卷积过程的 MGP 稀疏协方差矩阵，其中添加了惩罚项以适应性地选择最具信息的输出进行知识转移。为了处理域不一致，提出了一种域适应方法，通过对不一致特征进行边际化并扩展缺失特征，以在不同输出之间对齐输入域。提供了所提方法的统计特性，以保证其在实践和渐近意义上的性能。该框架在全面的模拟研究和一个贴瓷制造过程的真实案例研究中均优于最新基准。结果表明，该方法在处理负转移和域不一致方面具有有效性。