Online Gaussian Process
Online Gaussian Process (OGP) erweitert den bayesianischen nichtparametrischen GP-Rahmen für Streaming- oder sequenziell ankommende Daten. Anstatt die vollständige GP-Posteriori bei jeder neuen Beobachtung von Grund auf neu zu berechnen, pflegt OGP eine kompakte Zusammenfassung – eine spärliche Menge von induzierenden Punkten – und aktualisiert diese inkrementell, wodurch probabilistische Regression und Klassifikation in Echtzeit und für große Datensätze praktikabel werden.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Online Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/de/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.
- Bayes'sche Lineare RegressionBayes-Statistik↔ compare
- Stochastischer Gradientenabstieg (SGD)Maschinelles Lernen↔ compare
- Variationelle InferenzBayes-Statistik↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →