研究人员开发了一种新颖的因子图方法来解决多输出高斯过程回归中的可扩展性挑战。这种新方法将回归建模为因子图，从而能够高效地计算后验分布。该公式与数据点的数量呈线性关系，并且无需复杂的协方差矩阵重构即可处理缺失的观测值，在电力时间序列预测等任务上的速度和准确性均优于传统方法。 AI
影响 这项研究提供了一种更具可扩展性和效率的高斯过程回归方法，有可能提高时间序列预测和其他复杂建模任务的性能。
排序理由 详细介绍机器学习新方法的学术论文。[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 →
