论在线高斯过程回归与核最小均方算法之间的关系
机器学习
2016-09-13 v1 信息论
机器学习
math.IT
摘要
我们研究了在线高斯过程（GP）回归与核最小均方（KLMS）算法之间的关系。虽然后者在在线学习期间不具备存储整个后验分布的能力，但我们发现它们的运作对应于遵循简单参数化模型的固定后验协方差假设。有趣的是，几种著名的 KLMS 算法对应于该模型的特定情形。这一概率视角使我们能够理解它们各自如何处理不确定性，这或许可以解释它们之间的一些性能差异。
引用
@article{arxiv.1609.03164,
title = {On the Relationship between Online Gaussian Process Regression and Kernel Least Mean Squares Algorithms},
author = {Steven Van Vaerenbergh and Jesus Fernandez-Bes and Víctor Elvira},
journal= {arXiv preprint arXiv:1609.03164},
year = {2016}
}
备注
Accepted for publication in 2016 IEEE International Workshop on Machine Learning for Signal Processing