Proses Gaussian Daring
Proses Gaussian Daring (OGP) memperluas kerangka kerja nonparametric Bayesian GP ke data yang datang secara streaming atau berurutan. Alih-alih menghitung ulang posterior GP penuh dari awal setiap kali observasi tiba, OGP mempertahankan ringkasan ringkas — sekumpulan titik penginduksi yang jarang — dan memperbaruinya secara inkremental, membuat regresi dan klasifikasi probabilistik layak dalam pengaturan waktu nyata dan skala besar.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Online Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/id/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.
- Regresi Linear BayesianBayesian↔ compare
- Stochastic Gradient Descent (SGD)Pembelajaran Mesin↔ compare
- Inferensi VariasionalBayesian↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →