Tiešsaistes Gausa process
Tiešsaistes Gausa process (OGP) paplašina neparametrisko Bajesa Gausa procesu sistēmu, lai apstrādātu datus, kas pienāk secīgi vai plūsmās. Tā vietā, lai katru reizi, kad pienāk jauns novērojums, no jauna aprēķinātu pilnu Gausa procesa posterio, OGP uztur kompakti kopsavilkumu — nelielu skaitu induktīvo punktu — un pakāpeniski to atjaunina, padarot varbilstisku regresiju un klasifikāciju iespējamu reāllaika un liela mēroga apstākļos.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Online Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/lv/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.
- Bāziskā lineārā regresijaBajesa metodes↔ compare
- Stohastiskā gradienta metode (SGD)Mašīnmācīšanās↔ compare
- Variacionālā secinājumiBajesa metodes↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →