新的Bryson-Frazier平滑器增强了高斯过程回归的稳定性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-19 04:00

研究人员为时间高斯过程回归开发了一种改进的Bryson-Frazier（MBF）平滑器。该方法通过避免有问题的协方差矩阵求逆，提供了比Rauch-Tung-Striebel（RTS）平滑器更数值稳定的替代方案。MBF平滑器还降低了计算成本和内存需求，同时实现了高效的核超参数学习。 AI

影响这项研究为高斯过程回归提供了一种更稳定、更有效的方法，有可能改进时间序列分析和机器学习中的应用。

排序理由该集群包含一篇学术论文，详细介绍了时间高斯过程回归的新方法。[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) · Tom Colemont, Brecht Evens, Tjonnie G. F. Li, Frederik De Ceuster · 2026-08-19 04:00

Modified Bryson-Frazier Smoothing and Hyperparameter Learning for Temporal Gaussian Process Regression

arXiv:2608.17595v1 Announce Type: cross Abstract: One-dimensional Gaussian processes with stationary, integrable kernel functions admit exact or arbitrarily accurate state-space representations, enabling linear-time inference through Kalman filtering and Rauch-Tung-Striebel (RTS)…