非平稳高斯过程的状态空间表示
机器学习
2016-01-08 v1 机器学习
摘要
高斯过程 (GP) 的状态空间 (SS) 表示最近引起了广泛关注。其主要原因是它允许在 O(n) 时间内计算基于 GP 的推断，其中 为观测数。这一实现使 GP 适用于大数据。因此，为机器学习中最常用的核提供 SS 表示非常重要。本文旨在展示如何利用 SS 模型的瞬态行为将非平稳核映射到 SS 模型。
引用
@article{arxiv.1601.01544,
title = {State Space representation of non-stationary Gaussian Processes},
author = {Alessio Benavoli and Marco Zaffalon},
journal= {arXiv preprint arXiv:1601.01544},
year = {2016}
}