会员服务
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
Gaussian Process Implicit Surfaces as Control Barrier Functions for Safe Robot Navigation
Arxiv
0+阅读 · 12月29日
Gaussian Process Assisted Meta-learning for Image Classification and Object Detection Models
Arxiv
0+阅读 · 12月23日
Deep Gaussian Process Proximal Policy Optimization
Arxiv
0+阅读 · 12月19日
Estimation and model errors in Gaussian-process-based Sensitivity Analysis of functional outputs
Arxiv
0+阅读 · 12月19日
Deep Gaussian Processes with Gradients
Arxiv
0+阅读 · 12月19日
Clustering the Nearest Neighbor Gaussian Process
Arxiv
0+阅读 · 12月23日
Solving Functional PDEs with Gaussian Processes and Applications to Functional Renormalization Group Equations
Arxiv
0+阅读 · 12月24日
Adjusting Model Size in Continual Gaussian Processes: How Big is Big Enough?
Arxiv
0+阅读 · 12月19日
Beyond State Space Representation: A General Theory for Kernel Packets
Arxiv
0+阅读 · 11月6日
Learning solutions of parameterized stiff ODEs using Gaussian processes
Arxiv
0+阅读 · 11月8日
Modular Jump Gaussian Processes
Arxiv
0+阅读 · 11月20日
AsynEIO: Asynchronous Monocular Event-Inertial Odometry Using Gaussian Process Regression
Arxiv
0+阅读 · 11月23日
An accuracy-runtime trade-off comparison of scalable Gaussian process approximations for spatial data
Arxiv
0+阅读 · 12月18日
Decoupled-Value Attention for Prior-Data Fitted Networks: GP Inference for Physical Equations
Arxiv
0+阅读 · 11月30日
Gaussian-Process-based Adaptive Tracking Control with Dynamic Active Learning for Autonomous Ground Vehicles
Arxiv
0+阅读 · 11月12日
参考链接
微信扫码咨询专知VIP会员
Top