高斯过程(Gaussian Process, GP)是概率论和数理统计中随机过程(stochastic process)的一种,是一系列服从正态分布的随机变量(random variable)在一指数集(index set)内的组合。 高斯过程中任意随机变量的线性组合都服从正态分布,每个有限维分布都是联合正态分布,且其本身在连续指数集上的概率密度函数即是所有随机变量的高斯测度,因此被视为联合正态分布的无限维广义延伸。高斯过程由其数学期望和协方差函数完全决定,并继承了正态分布的诸多性质
神经网络高斯过程 (Neural Network Gaussian Process)
PaperWeekly
0+阅读 · 2022年11月8日
【ETH博士论文】贝叶斯深度学习,241页pdf
专知
9+阅读 · 2022年1月16日
NeurIPS 2020系列论文分享活动回顾
AI科技评论
1+阅读 · 2020年12月9日
深度图高斯过程 | NeurIPS 2020论文分享第一期
AI科技评论
5+阅读 · 2020年11月30日
高斯过程 Gaussian Processes 原理、可视化及代码实现
用简单术语让你看到贝叶斯优化之美
机器之心
0+阅读 · 2020年10月5日
最新《高斯过程回归简明教程》,19页pdf
专知
1+阅读 · 2020年10月1日
ICML杰出论文发布!北理工学子获奖
学术头条
0+阅读 · 2020年7月16日
参考链接
微信扫码咨询专知VIP会员