Online Gaussian Process
Online Gaussian Process (OGP) breidt het Bayesiaanse niet-parametrische GP-raamwerk uit naar streaming of sequentieel binnenkomende data. In plaats van de volledige GP-posterior opnieuw te berekenen vanaf nul bij elke binnenkomende observatie, onderhoudt OGP een compacte samenvatting — een schaarse set van inducerende punten — en werkt deze incrementeel bij, waardoor probabilistische regressie en classificatie haalbaar worden in real-time en grootschalige settings.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Online Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/nl/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.
- Bayesiaanse Lineaire RegressieBayesiaanse statistiek↔ compare
- Stochastische Gradiëntdaling (SGD)Machine learning↔ compare
- Variatie-inferentieBayesiaanse statistiek↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →