Методы аппроксимации обратной ковариационной матрицы для эффективной оптимизации правдоподобия гауссовского процесса

Скачать account_balance Скачать insert_drive_file

Авторы:

Кононенко Д.С.

Издание:

Труды конф. Информационные Технологии и Системы. 2012. С. 48–53.

Абстракт:

Восстановление регрессии на основе гауссовских процессов — байесовский непараметрический метод, показывающий хорошие результаты во многих приложениях. Параметры модели настраиваются с помощью метода максимума правдоподобия. Каждый раз при подсчете правдоподобия и его производных необходимо выполнять подсчет обратной матрицы ковариации и ее детерминанта, что занимает порядка O(N^3) операций, где N — размер обучающей выборки. В работе предлагается метод аппроксимации обратной матрицы ковариации и ее детерминанта за O(N^2) операций. Проведен ряд вычислительных экспериментов, которые показывают значительное ускорение предложенного метода по сравнению со стандартными подходами.

Ключевые слова: Аппроксимация, Гауссовские процессы

LinkedIn
VK

Контактная информация

location_on  117246, Москва, Научный проезд, д. 17, 15 этаж

phone  +7 (495) 669-68-15

mail_outline  info@datadvance.net

Связаться navigate_next