稀疏卷积多输出高斯过程的变分感应核
摘要：多输出核方法的兴趣正在增加，无论是在多任务学习、多传感器网络还是结构化输出数据的名义之下。从高斯过程的角度来看，多输出Mercer核是一种关于相关输出函数的协方差函数。一种构建这种核的方式是基于卷积过程（CP）。这种方法的一个关键问题是有效的推断。Alvarez和Lawrence（2009）最近提出了一种稀疏近似方法来进行CP的高效推断。在本文中，我们在两个方向上扩展了这项工作：我们引入变分诱导函数的概念来处理核CP构造中可能出现的非平滑函数，并考虑一种基于变分方法的近似推断的另一种方法，扩展了Titsias（2009）的多输出情况下的工作。我们通过预测学校成绩、编译器性能和金融时间序列来展示我们的方法。
作者：Mauricio A. ''Alvarez, David Luengo, Michalis K. Titsias, Neil D. Lawrence
论文ID：0912.3268
分类：Machine Learning
分类简称：stat.ML
提交时间：2009-12-18