Italiano(IT) Scalable Gaussian process inference via neural feature maps

撤回的论文详细介绍了用于可扩展高斯过程推理的新型神经网络特征图

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-27 04:00

一篇研究论文介绍了一种新颖的高斯过程（GP）框架，该框架利用神经网络特征图来创建复杂的核。该方法能够进行高效且准确的精确GP推理，适用于回归和分类等各种数据类型和任务。该论文已被撤回，但它证明了在准确性和速度方面优于现有技术在基准数据集上的性能。 AI

排序理由该集群包含一篇撤回的学术论文，其中详细介绍了一种新颖的方法论。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv stat.ML TIER_1 Italiano(IT) · Anthony Stephenson · 2026-07-27 04:00

Scalable Gaussian process inference via neural feature maps

arXiv:2605.10285v2 Announce Type: replace Abstract: We present a theoretically grounded Gaussian process framework that leverages neural feature maps to construct expressive kernels. We show that the learned feature map can be interpreted as an optimal low-rank approximation to a…