Gaussian Process en ligne
Le Gaussian Process en ligne (OGP) étend le cadre non paramétrique bayésien des GP aux données en flux ou arrivant séquentiellement. Au lieu de recalculer la postériorité complète du GP à partir de zéro à chaque arrivée d'observation, l'OGP maintient un résumé compact — un ensemble épars de points inducteurs — et le met à jour de manière incrémentielle, rendant la régression et la classification probabilistes réalisables en temps réel et à grande échelle.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Online Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/fr/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.
- Régression linéaire bayésienneBayésien↔ compare
- Descente de gradient stochastique (SGD)Apprentissage automatique↔ compare
- Inférence variationnelleBayésien↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →