محبوبترین نویسندگان :
نویسندگان مقالات پربازدید :
یادگیری ماشین 2013
جزئیات رویداد
همایش ، رویداد ، ژورنال
اینستاگرام تی پی بین
حوزه های تحت پوشش رویداد

  • a comparative evaluation of stochastic-based inference methods for gaussian process models

    نویسندگان :
    کلمات کلیدی :
    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/07/24
    • تاریخ انتشار در تی پی بین: 1392/07/24
    • تعداد بازدید: 800
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
     gaussian process (gp) models are extensively used in data analysis given their flexible modeling capabilities and interpretability. the fully bayesian treatment of gp models is analytically intractable, and therefore it is necessary to resort to either deterministic or stochastic approximations. this paper focuses on stochastic-based inference techniques. after discussing the challenges associated with the fully bayesian treatment of gp models, a number of inference strategies based on markov chain monte carlo methods are presented and rigorously assessed. in particular, strategies based on efficient parameterizations and efficient proposal mechanisms are extensively compared on simulated and real data on the basis of convergence speed, sampling efficiency, and computational cost.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها