Os processos gaussianos se referem a processos estocásticos cuja realização consiste em variáveis aleatórias normalmente distribuídas, com a propriedade adicional de que qualquer coleção finita dessas variáveis aleatórias possui uma distribuição normal multivariada. A maquinaria dos processos gaussianos pode ser empregada em problemas de regressão e classificação.
Acabei de começar a ler sobre GPs e, de forma análoga à distribuição gaussiana regular, ela é caracterizada por uma função média e a função de covariância ou o kernel. Eu estava conversando e o palestrante disse que a função média geralmente é bastante desinteressante e todo o esforço de inferência...
Eu estou um pouco confuso. Por que os processos gaussianos são chamados de modelos não paramétricos? Eles assumem que os valores funcionais, ou um subconjunto deles, têm um Gaussiano anterior com média 0 e função de covariância dada como função do kernel. Essas funções do kernel possuem alguns...
É verdade que os métodos bayesianos não se ajustam demais? (Vi alguns artigos e tutoriais fazendo essa reivindicação) Por exemplo, se aplicarmos um Processo Gaussiano ao MNIST (classificação de dígitos manuscritos), mas mostrarmos apenas uma amostra, será revertida para a distribuição anterior...
Eu tenho lido Maraun et al , "Processos Gaussianos não estacionários no domínio wavelet: síntese, estimativa e testes significativos" (2007) que definem uma classe de GPs não estacionários que podem ser especificados por multiplicadores no domínio wavelet. A realização de um desses GP é: onde é...
No ano passado, no NIPS 2017, Ali Rahimi e Ben Recht ganharam o prêmio do teste do tempo por seu artigo "Recursos Aleatórios para Máquinas de Kernel em Grande Escala", onde introduziram recursos aleatórios, posteriormente codificados como o algoritmo de pias de cozinha aleatórias. Como parte da...
nota: sem respostas corretas após um mês, reenviei para SO fundo Eu tenho um modelo, , onde Y = f ( X )fffY=f( X)Y=f(X)Y=f(\textbf{X}) é umamatrizde amostras deparâmetroseé ovetordas saídas do modelo.XX\textbf{X}n×mn×mn \times mmmmYYYn×1n×1n \times 1 fff é computacionalmente intensivo, então...
Estou lendo um livro Gaussian Process for Machine Learning de CE Rasmussen e CKI Williams e estou tendo alguns problemas para entender o que significa distribuição por funções . No livro, é dado um exemplo, de que se deve imaginar uma função como um vetor muito longo (de fato, deve ser...
A divergência de Kullback-Leibler é uma métrica para comparar duas funções de densidade de probabilidade, mas que métrica é usada para comparar dois XXX e GP
Eu sei que a regressão gaussiana de processo (GPR) é uma alternativa ao uso de splines para o ajuste de modelos não lineares flexíveis. Eu gostaria de saber em quais situações uma seria mais adequada que a outra, especialmente na estrutura de regressão bayesiana. Eu já examinei Quais são as...
Costuma-se dizer que a regressão gaussiana do processo corresponde (GPR) à regressão linear bayesiana com uma quantidade (possivelmente) infinita de funções básicas. Atualmente, estou tentando entender isso em detalhes para obter uma intuição para que tipo de modelo eu posso expressar usando o...
Eu tenho essa confusão relacionada aos benefícios dos processos gaussianos. Quero dizer compará-lo à regressão linear simples, onde definimos que a função linear modela os dados. No entanto, nos processos gaussianos, definimos a distribuição das funções significa que não definimos especificamente...
Existe uma maneira de executar a regressão gaussiana de processo na saída multidimensional (possivelmente correlacionada) usando GPML ? No script de demonstração, só consegui encontrar um exemplo 1D. Uma pergunta semelhante no CV que trata de casos de entrada multidimensional. Examinei o livro...
log(y|X,θ)=−12yTK−1yy−12log(det(K))−n2log(2π)log(y|X,θ)=−12yTKy−1y−12log(det(K))−n2log(2π)\log(\mathbf{y}|X,\mathbf{\theta})=-\frac{1}{2}
Acredito que a derivada de um processo gaussiano (GP) é outra GP e, portanto, gostaria de saber se existem equações de forma fechada para as equações de previsão da derivada de uma GP? Em particular, estou usando o núcleo de covariância exponencial ao quadrado (também chamado de Gaussiano) e quero...
Antecedentes e problema Estou usando Processos Gaussianos (GP) para regressão e subsequente otimização bayesiana (BO). Para regressão, uso o pacote gpml do MATLAB com várias modificações personalizadas, mas o problema é geral. É um fato bem conhecido que, quando duas entradas de treinamento estão...
Estou treinando um processo gaussiano com um kernel ARD com muitos parâmetros, maximizando a confiabilidade marginal dos dados, em vez de validação cruzada. Suspeito que seja excessivo. Como posso testar essa suspeita em um contexto
Estou usando o processo gaussiano (GP) para regressão. No meu problema, é bastante comum que dois ou mais pontos de dados estejam próximos um do outro, em relação ao comprimento escalas do problema. Além disso, as observações podem ser extremamente barulhentas. Para acelerar os cálculos e melhorar...
O processo gaussiano tem sido amplamente utilizado, especialmente em emulação. Sabe-se que a demanda computacional é alta ( ).0 ( n3)0(n3)0(n^3) O que os torna populares? Quais são as suas principais e ocultas vantagens? Por que eles são usados em vez de modelos paramétricos (por modelo...
Estou fazendo ML na minha universidade, e o professor mencionou o termo Expectativa (E), enquanto tentava nos explicar algumas coisas sobre os processos gaussianos. Mas, pela maneira como ele explicou, eu entendi que E é o mesmo que a média μ. Eu entendi certo? Se for o mesmo, você sabe por que os...
Eu quero implementar uma regressão de processo gaussiana incremental usando uma janela deslizante sobre os pontos de dados que chegam um por um através de um fluxo. Deixe denotam a dimensionalidade do espaço de entrada. Portanto, todo ponto de dados possui um número d de