摘要
高斯过程回归方法是近年发展起来的一种机器学习方法,适用于处理高维数、小样本和非线性等复杂回归问题。它的核心是协方差函数,而传统高斯过程回归则是任意选择一个核函数,通过研究不同的基本的协方差函数的组合来比较得到建模性能最好的协方差函数。改进算法的有效性和准确性将通过实验进一步论证。
This paper chooses the best one to model by studying different combination of covariance function.Validity and accuracy of the improved algorithm wil be demonstrated by experiments.
出处
《工业控制计算机》
2015年第11期76-78,81,共4页
Industrial Control Computer
关键词
高斯过程回归
参数优化
协方差函数
超参数
机器学习
Gaussian process regression（GPR）
parameter optimization
covariance function
hyperparameter
machine learning
