Online Gaussian Process
Online Gaussian Process (OGP) laajentaa Bayesiläistä ei-parametrista GP-kehystä suoratoistoon tai peräkkäin saapuvaan dataan. Sen sijaan, että koko GP-posterioria laskettaisiin uudelleen tyhjästä jokaisen havainnon saapuessa, OGP ylläpitää tiivistä yhteenvetoa – harvaa joukkoa indusoivia pisteitä – ja päivittää sitä inkrementaalisesti, tehden todennäköisyysregressiosta ja -luokittelusta mahdollista reaaliaikaisissa ja suuren mittakaavan asetelmissa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Online Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/fi/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.
- Bayesiläinen lineaarinen regressioBayesilainen tilastotiede↔ compare
- Stokastinen gradienttimenetelmä (SGD)Koneoppiminen↔ compare
- VariaatioinferenssiBayesilainen tilastotiede↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →