具有非高斯似然的状态空间高斯过程
摘要：用状态空间方法提供了一种全面的方法和工具，可以对具有非高斯似然的GP模型进行建模。状态空间公式允许在O(n)的时间和内存复杂度下解决一维的GP模型。虽然现有的文献集中研究了GP回归和状态空间方法之间的联系，但允许结合拉普拉斯近似（LA）、变分贝叶斯（VB）和假设密度过滤（ADF，又称单次期望传播，EP）方案进行推理的计算基元很大程度上被忽视了。我们提出了将高效的O(n)状态空间方法与现有的推理方法结合的方法。我们扩展了现有的方法，并提供了实现所有方法的统一代码。
作者：Hannes Nickisch, Arno Solin, Alexander Grigorievskiy
论文ID：1802.04846
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-07-06