Machine learningMachine learning
온라인 가우시안 프로세스
온라인 가우시안 프로세스(Online Gaussian Process, OGP)는 베이지안 비모수 GP 프레임워크를 스트리밍 또는 순차적으로 도착하는 데이터에 확장한 것입니다. OGP는 각 관측치가 도착할 때마다 전체 GP 사후 분포를 처음부터 다시 계산하는 대신, 희소한 유도점(inducing points) 집합이라는 압축된 요약을 유지하고 이를 점진적으로 업데이트하여 실시간 및 대규모 설정에서 확률적 회귀와 분류를 가능하게 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Online Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/ko/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.
Compare side by side →