English(EN) Adaptive Nystr\"om for Gaussian Process Regression

新的自适应Nyström方法增强了高斯过程回归的可扩展性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-31 04:00

研究人员开发了一种自适应Nyström方法来提高高斯过程回归（GPR）的可扩展性。这种新方法贪婪地选择标志点以最小化近似误差，在准确性和稳定性方面优于随机选择。该方法在性能上可与精确GPR相媲美，同时样本量呈线性扩展，使其适用于大规模计算机实验。 AI

影响增强了大规模机器学习实验中不确定性量化能力的可扩展性。

排序理由该集群包含一篇详细介绍高斯过程回归新方法的论文。[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 English(EN) · Lulu Kang · 2026-07-31 04:00

高斯过程回归的自适应Nyström方法

arXiv:2607.27427v1 Announce Type: cross Abstract: Gaussian Process Regression (GPR) is a robust framework for uncertainty quantification, yet its $O(n^3)$ complexity limits its scalability. Low-rank Nystr\"om approximations can reduce this burden to $O(nm^2)$, but their accuracy …