Онлайновый Гауссов Гауссов Процесс
Онлайновый Гауссов Процесс (OGP) расширяет байесовскую непараметрическую основу GP на потоковые или последовательно поступающие данные. Вместо того чтобы пересчитывать полную апостериорную GP с нуля при поступлении каждого наблюдения, OGP поддерживает компактное резюме — разреженное множество точек-индукторов — и инкрементально обновляет его, делая вероятностную регрессию и классификацию осуществимыми в реальном времени и в крупномасштабных сценариях.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Online Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/ru/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.
- Байесовская линейная регрессияБайесовские методы↔ compare
- Стохастический градиентный спуск (SGD)Машинное обучение↔ compare
- Вариационный выводБайесовские методы↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →