条件独立的多分辨率高斯过程
摘要：多分辨率高斯过程（GP）作为一种改进大规模数据下GP近似质量的可行方法，已经引起越来越多的关注。目前大部分构造都假设在不同分辨率之间完全独立。这种假设简化了推断，但低估了从一个分辨率到另一个分辨率的不确定性。结果导致模型很容易过拟合，即过度敏感于所选分辨率，并且边界的预测是不平滑的。我们的贡献是一个新的构造，它假设在不同分辨率之间的高斯过程条件独立。我们展示，放宽完全独立假设可以提高鲁棒性，确保边界的平滑预测。我们将我们的新模型与2个合成数据集和9个真实数据集上的最先进模型进行比较。在大多数情况下，相对于基于完全独立假设的模型，我们的新的条件独立构造表现得更好。特别是，它几乎没有出现过拟合的迹象。
作者：Jalil Taghia, Thomas B. Sch"on
论文ID：1802.09086
分类：Machine Learning
分类简称：stat.ML
提交时间：2019-02-26