Online Gaussisk Process
Online Gaussisk Process (OGP) utökar det Bayesianska icke-parametriska GP-ramverket till strömmande eller sekventiellt ankommande data. Istället för att beräkna om hela GP-posterioren från grunden för varje observation som anländer, upprätthåller OGP en kompakt sammanfattning — en gles uppsättning induktionspunkter — och uppdaterar den inkrementellt, vilket gör probabilistisk regression och klassificering möjlig i realtid och storskaliga miljöer.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Online Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/sv/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.
- Bayesiansk linjär regressionBayesiansk statistik↔ compare
- Stokastisk gradientnedstigning (SGD)Maskininlärning↔ compare
- VariationsinferensBayesiansk statistik↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →