高斯过程先验的混合模型
摘要：基于高斯过程的非参数贝叶斯方法最近在实证学习领域变得流行起来。它们涵盖了许多经典的统计方法，如径向基函数或各种样条，并且从技术上讲，它们非常方便，因为高斯积分可以通过解析方法计算。然而，限制为高斯过程会禁止例如实施真正的非凸先验。另一方面，高斯过程先验的混合可以灵活地实现复杂和情景特定的非凸“先验”信息。这对于与其复杂度相比，训练数据数量较少的任务来说是必不可少的。本文重点研究了高斯回归问题的形式化，其中先验混合模型提供了传统二次型、通常与平滑性相关的正则化方法的推广，更加灵活，而不会增加计算复杂性。
作者：J. C. Lemm
论文ID：physics/9911077
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2007-05-23