会员服务
高斯过程（Gaussian Process, GP）是概率论和数理统计中随机过程（stochastic process）的一种，是一系列服从正态分布的随机变量（random variable）在一指数集（index set）内的组合。 高斯过程中任意随机变量的线性组合都服从正态分布，每个有限维分布都是联合正态分布，且其本身在连续指数集上的概率密度函数即是所有随机变量的高斯测度，因此被视为联合正态分布的无限维广义延伸。高斯过程由其数学期望和协方差函数完全决定，并继承了正态分布的诸多性质
Improving Linear Regression on Small Datasets via Gaussian Process and Extreme Value Theory-Based Data Augmentation
Arxiv
0+阅读 · 6月16日
Differential Privacy of Gaussian Process Posterior Sampling
Differential Privacy of Gaussian Process Posterior Sampling
Arxiv
0+阅读 · 6月16日
Prob-GParareal: A Probabilistic Numerical Parallel-in-Time Solver for Differential Equations
Arxiv
0+阅读 · 6月14日
Bayesian Optimization by Kernel Regression and Density-based Exploration
Arxiv
0+阅读 · 6月15日
How Controlling the Variance can Improve Training Stability of Sparsely Activated DNNs and CNNs
Arxiv
0+阅读 · 6月15日
Pointwise Complexity for Gaussian Fields: Upper Envelopes, Algorithmic Lower Bounds, and Separation
Arxiv
0+阅读 · 6月6日
Bayesian Deep Gaussian Processes for Correlated Functional Data: A Case Study in Cosmological Matter Power Spectra
Arxiv
0+阅读 · 6月8日
Hybrid Probabilistic Forecasting of Under-Five Malaria Admissions in Ghana: A Gaussian Process Regression with Holt-Winters Smoothing
Arxiv
0+阅读 · 5月30日
On Regret Bounds of Thompson Sampling for Bayesian Optimization
Arxiv
0+阅读 · 6月10日
Non-Parametric Machine Text Detection via Multi-View Gaussian Processes
Arxiv
0+阅读 · 6月12日
SIKA-GP: Accelerating Gaussian Process Inference with Sparse Inducing Kernel Approximations for Bayesian Deep Learning
Arxiv
0+阅读 · 5月26日
The Unreasonable Effectiveness of Discrete-Time Gaussian Process Mixtures for Robot Policy Learning
Arxiv
0+阅读 · 6月10日
Gaussian Process Latent Factor Regression for Low-Data, High-Dimensional Output Problems
Arxiv
0+阅读 · 6月4日
Estimating Evolving Functions with Dynamic Gaussian Processes
Arxiv
0+阅读 · 6月4日
How Deep Are Deep GPs, Really? A Sharp Threshold and a Non-Gaussian Limit for Compositional GPs
Arxiv
0+阅读 · 6月6日
参考链接
微信扫码咨询专知VIP会员
Top