基于 celerite 的高斯过程可扩展反向传播
天体物理仪器与方法
2018-02-01 v1
摘要
本研究笔记给出利用 celerite 算法进行高斯过程（GP）建模的高效可扩展梯度计算的推导与实现。算法在“反向累积”或“反向传播”框架下推导，可轻松集成到现有自动微分框架中，从而提供一种可扩展方法，用于计算 GP 似然相对于所有输入参数的梯度。本笔记推导的算法比使用自动微分的版本占用更少内存且更高效，其计算成本随数据点数线性增长。
引用
@article{arxiv.1801.10156,
title = {Scalable backpropagation for Gaussian Processes using celerite},
author = {Daniel Foreman-Mackey},
journal= {arXiv preprint arXiv:1801.10156},
year = {2018}
}
备注
To be submitted to RNAAS. Comments appreciated