দৃঢ় গাউসীয় প্রক্রিয়া
দৃঢ় গাউসীয় প্রক্রিয়া (Robust GP) হলো আদর্শ গাউসীয় প্রক্রিয়ার একটি সম্প্রসারণ, যেখানে গাউসীয় নয়েজ লাইকলিহুডকে একটি হেভি-টেইলড ডিস্ট্রিবিউশন — সাধারণত স্টুডেন্ট-টি — দ্বারা প্রতিস্থাপন করা হয়, যাতে প্রশিক্ষণ ডেটার আউটলায়ারগুলি শেখা ফাংশনের উপর কম প্রভাব ফেলে। এটি একটি আদর্শ জিপি-এর সম্পূর্ণ সম্ভাবনামূলক, অনিশ্চয়তা-পরিমাণকারী বৈশিষ্ট্য বজায় রাখে এবং দূষিত বা অস্বাভাবিক পর্যবেক্ষণের প্রতি অনেক কম সংবেদনশীল হয়।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Jylanki, P., Vanhatalo, J., & Vehtari, A. (2011). Robust Gaussian Process Regression with a Student-t Likelihood. Journal of Machine Learning Research, 12, 3227–3257. link ↗
- Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0-262-18253-9
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Robust Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/bn/machine-learning/robust-gaussian-process
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesian Gaussian Processযন্ত্র শিখন↔ compare
- গাউসিয়ান প্রসেসযন্ত্র শিখন↔ compare
- রোবাস্ট লিনিয়ার রিগ্রেশনযন্ত্র শিখন↔ compare
- শক্তিশালী র্যান্ডম ফরেস্টযন্ত্র শিখন↔ compare
- “Robust Support Vector Machine”যন্ত্র শিখন↔ compare
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →