Scifaro

中文

正交解耦变分傅里叶特征

机器学习 2020-07-14 v1 机器学习

作者: Dario Azzimonti , Manuel Schürch , Alessio Benavoli , Marco Zaffalon

在 arXiv 上查看 ↗ PDF ↗

摘要

稀疏诱导点长期以来一直是用于将高斯过程拟合到大数据上的标准方法。在过去几年中，利用协方差核近似的谱方法已被证明具有竞争力。在这项工作中，我们利用最近引入的正交解耦变分基来结合谱方法和稀疏诱导点方法。我们表明该方法在合成数据和真实世界数据上都与最先进的（SOTA）方法具有竞争力。

关键词

高斯过程变分傅里叶特征稀疏诱导点谱方法正交解耦基

引用

@article{arxiv.2007.06363,
  title  = {Orthogonally Decoupled Variational Fourier Features},
  author = {Dario Azzimonti and Manuel Schürch and Alessio Benavoli and Marco Zaffalon},
  journal= {arXiv preprint arXiv:2007.06363},
  year   = {2020}
}