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
Computationally Efficient Estimation of Localized Treatment Effects in High-Dimensional Design Spaces using Gaussian Process Regression
Arxiv
0+阅读 · 1月6日
On Statistical Inference for Rates of Change in Spatial Processes over Riemannian Manifolds
Arxiv
0+阅读 · 1月5日
Sample Path Regularity of Gaussian Processes from the Covariance Kernel
Arxiv
0+阅读 · 1月4日
A Gaussian Process View on Observation Noise and Initialization in Wide Neural Networks
Arxiv
0+阅读 · 1月1日
Sampling from Gaussian Processes: A Tutorial and Applications in Global Sensitivity Analysis and Optimization
Arxiv
0+阅读 · 2025年12月31日
DTI-GP: Bayesian operations for drug-target interactions using deep kernel Gaussian processes
Arxiv
0+阅读 · 2025年12月31日
Energy-Aware Bayesian Control Barrier Functions for Physics-Informed Gaussian Process Dynamics
Arxiv
0+阅读 · 2025年12月30日
Inference at the data's edge: Gaussian processes for modeling and inference under model-dependency, poor overlap, and extrapolation
Arxiv
0+阅读 · 2025年12月30日
Gaussian Process Implicit Surfaces as Control Barrier Functions for Safe Robot Navigation
Arxiv
0+阅读 · 2025年12月29日
Gaussian Process Assisted Meta-learning for Image Classification and Object Detection Models
Arxiv
0+阅读 · 2025年12月23日
Deep Gaussian Process Proximal Policy Optimization
Arxiv
0+阅读 · 2025年12月19日
Estimation and model errors in Gaussian-process-based Sensitivity Analysis of functional outputs
Arxiv
0+阅读 · 2025年12月19日
Deep Gaussian Processes with Gradients
Arxiv
0+阅读 · 2025年12月19日
Clustering the Nearest Neighbor Gaussian Process
Arxiv
0+阅读 · 2025年12月23日
Solving Functional PDEs with Gaussian Processes and Applications to Functional Renormalization Group Equations
Arxiv
0+阅读 · 2025年12月24日
参考链接
微信扫码咨询专知VIP会员
Top