Online Gaussisk Proces
Online Gaussisk Proces (OGP) udvider det Bayesianske nonparametriske GP-framework til streaming- eller sekventielt ankommende data. I stedet for at genberegne hele GP-posterioren fra bunden, hver gang en ny observation ankommer, vedligeholder OGP en kompakt opsummering – et sparsomt sæt af inducerende punkter – og opdaterer den inkrementelt, hvilket gør probabilistisk regression og klassifikation mulig i realtid og i stor skala.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Csató, L. & Opper, M. (2002). Sparse on-line Gaussian processes. Neural Computation, 14(3), 641–668. DOI: 10.1162/089976602317250933 ↗
- Engel, Y., Mannor, S. & Meir, R. (2004). The kernel recursive least-squares algorithm. IEEE Transactions on Signal Processing, 52(8), 2275–2285. DOI: 10.1109/TSP.2004.830985 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Online Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/da/machine-learning/online-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.
- Bayesiansk lineær regressionBayesiansk↔ compare
- Stokastisk gradientnedstigning (SGD)Maskinlæring↔ compare
- VariationsinferensBayesiansk↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →