Online Gaussian Process
Online Gaussian Process (OGP) extends the Bayesian nonparametric GP framework to streaming or sequentially arriving data. Instead of recomputing the full GP posterior from scratch as each observation arrives, OGP maintains a compact summary — a sparse set of inducing points — and updates it incrementally, making probabilistic regression and classification feasible in real-time and large-scale settings.
Rekod sumber
Petikan disalin secara verbatim daripada rekod sumber kaedah. Tiada pengesahan peringkat tuntutan disimpulkan daripadanya.
- 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
Tuntutan yang dikurasi
Tuntutan disimpan dalam lejar bukti, setiap satu dengan penilaiannya sendiri.
Pandangan ini tidak mencipta penilaian tuntutan apabila lejar tiada.
Kaedah berkaitan
Dijana daripada graf kaedah dan ditunjukkan sebagai perhubungan yang dicadangkan mesin — tiada tuntutan bukti disimpulkan.