Los procesos gaussianos se refieren a procesos estocásticos cuya realización consiste en variables aleatorias normalmente distribuidas, con la propiedad adicional de que cualquier colección finita de estas variables aleatorias tiene una distribución normal multivariada. La maquinaria de los procesos gaussianos puede emplearse en problemas de regresión y clasificación.
Acabo de empezar a leer sobre GP y, de forma análoga a la distribución gaussiana regular, se caracteriza por una función media y la función de covarianza o el núcleo. Estaba en una charla y el orador dijo que la función media suele ser poco interesante y que todo el esfuerzo de inferencia se gasta...
Estoy un poco confundido. ¿Por qué los procesos gaussianos se llaman modelos no paramétricos? Asumen que los valores funcionales, o un subconjunto de ellos, tienen un gaussiano anterior con media 0 y función de covarianza dada como la función del núcleo. Estas funciones del núcleo tienen algunos...
¿Es cierto que los métodos bayesianos no se sobreajustan? (Vi algunos documentos y tutoriales haciendo esta afirmación) Por ejemplo, si aplicamos un Proceso Gaussiano a MNIST (clasificación de dígitos escritos a mano), pero solo le mostramos una sola muestra, ¿volverá a la distribución anterior...
He estado leyendo Maraun et al. , "Procesos gaussianos no estacionarios en el dominio wavelet: síntesis, estimación y pruebas significativas" (2007) que define una clase de GP no estacionarias que pueden especificarse mediante multiplicadores en el dominio wavelet. La realización de uno de estos GP...
El año pasado, en NIPS 2017, Ali Rahimi y Ben Recht ganaron el premio de la prueba del tiempo por su trabajo "Características aleatorias para máquinas de grano a gran escala", donde introdujeron características aleatorias, que luego se codificaron como el algoritmo de fregaderos de cocina...
nota: sin respuestas correctas después de un mes, he vuelto a publicar en SO Antecedentes Tengo un modelo, , donde Y = f ( X )FFfY= f( X )Y=F(X)Y=f(\textbf{X}) es unamatriz de muestras n × m de m parámetros e Y es la n × 1XX\textbf{X}n×mn×mn \times mmmmYYYn×1n×1n \times 1 vector de las salidas...
Estoy aprendiendo sobre el Proceso Gaussiano y solo he escuchado fragmentos. Realmente agradecería comentarios y respuestas. Para cualquier conjunto de datos, ¿es cierto que una aproximación de la función del Proceso Gaussiano daría un error de ajuste cero o insignificante en los puntos de datos?...
Estoy leyendo un libro de texto Proceso Gaussiano para Aprendizaje Automático por CE Rasmussen y CKI Williams y tengo algunos problemas para entender qué significa la distribución sobre las funciones . En el libro de texto, se da un ejemplo, que uno debería imaginar una función como un vector muy...
La divergencia de Kullback-Leibler es una métrica para comparar dos funciones de densidad de probabilidad, pero ¿qué métrica se utiliza para comparar dos GP e
A menudo se dice que la regresión del proceso gaussiano corresponde (GPR) a la regresión lineal bayesiana con una (posiblemente) cantidad infinita de funciones básicas. Actualmente estoy tratando de entender esto en detalle para tener una intuición de qué tipo de modelos puedo expresar usando...
Sé que la regresión de procesos gaussiana (GPR) es una alternativa al uso de splines para ajustar modelos no lineales flexibles. Me gustaría saber en qué situaciones una sería más adecuada que la otra, especialmente en el marco de regresión bayesiano. Ya he visto ¿Cuáles son las ventajas /...
Tengo esta confusión relacionada con los beneficios de los procesos gaussianos. Me refiero a compararlo con una regresión lineal simple, donde hemos definido que la función lineal modela los datos. Sin embargo, en los procesos gaussianos, definimos la distribución de las funciones, lo que...
¿Hay alguna manera de realizar la regresión de proceso gaussiana en la salida multidimensional (posiblemente correlacionada) usando GPML ? En el script de demostración solo pude encontrar un ejemplo de 1D. Una pregunta similar sobre CV que aborda el caso de entrada multidimensional. Revisé su...
KKij=k(xi,xj)=b-1exp(-1Iniciar sesión( y | X, θ ) = - 12yTK- 1yy - 12Iniciar sesión( det ( K) ) - n2Iniciar sesión( 2 π)log(y|X,θ)=−12yTKy−1y−12log(det(K))−n2log(2π)\log(\mathbf{y}|X,\mathbf{\theta})=-\frac{1}{2}
Creo que la derivada de un proceso gaussiano (GP) es otra GP, por lo que me gustaría saber si hay ecuaciones de forma cerrada para las ecuaciones de predicción de la derivada de una GP. En particular, estoy usando el núcleo de covarianza exponencial al cuadrado (también llamado gaussiano) y quiero...
Antecedentes y problema Estoy usando procesos gaussianos (GP) para la regresión y la posterior optimización bayesiana (BO). Para la regresión, uso el paquete gpml para MATLAB con varias modificaciones personalizadas, pero el problema es general. Es un hecho bien conocido que cuando dos entradas...
Estoy usando el proceso Gaussiano (GP) para la regresión. En mi problema, es bastante común que dos o más puntos de datos estén cerca uno del otro, relativamente a la longitud escalas del problema. Además, las observaciones pueden ser extremadamente ruidosas. Para acelerar los cálculos y mejorar...
Estoy entrenando un proceso gaussiano con un núcleo ARD con muchos parámetros maximizando la capacidad marginal de los datos, en lugar de la validación cruzada. Sospecho que es demasiado adecuado. ¿Cómo puedo probar esta sospecha en un contexto
El proceso gaussiano ha sido ampliamente utilizado, especialmente en la emulación. Se sabe que la demanda computacional es alta ( ).0(n3)0(n3)0(n^3) ¿Qué los hace populares? ¿Cuáles son sus ventajas principales y ocultas? ¿Por qué se usan en lugar de modelos paramétricos (por modelo paramétrico...
Estoy haciendo ML en mi universidad, y el profesor mencionó el término Expectativa (E), mientras intentaba explicarnos algunas cosas sobre los procesos gaussianos. Pero por la forma en que lo explicó, entendí que E es lo mismo que la media μ. ¿Entendí bien? Si es lo mismo, ¿sabe por qué se usan...