PulseAugur
实时 05:15:57
English(EN) Exact and general decoupled solutions of the LMC Multitask Gaussian Process model

新的投影LMC模型提供高效的多任务高斯过程计算

一篇新论文介绍了一种名为“投影LMC”的模型,这是一种用于线性共区域化模型(LMC)的高效且精确的计算方法。该模型是一种通用的多任务高斯过程,通常具有三次复杂度。投影LMC模型将此复杂度显著降低到与潜在过程数量成线性关系,前提是满足对噪声模型的一个温和假设。这一进展使LMC成为比现有模型更具竞争力且更易于解释的多任务高斯过程模型替代方案,有可能促进其在多任务贝叶斯优化等行业的应用。 AI

影响 这项研究可能带来更高效、更易于理解的多任务贝叶斯优化,从而加速其在各行业的应用。

排序理由 该集群包含一篇详细介绍统计模型新计算方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv stat.ML 阅读 →

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

新的投影LMC模型提供高效的多任务高斯过程计算

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Olivier Truffinet (CEA Saclay), Karim Ammar (CEA Saclay), Jean-Philippe Argaud (EDF R&D), Bertrand Bouriquet (EDF) ·

    LMC多任务高斯过程模型的精确和通用解耦方法

    arXiv:2310.12032v4 Announce Type: replace-cross Abstract: The Linear Model of Co-regionalization (LMC) is a very general multitask gaussian process model for regression or classification. While its expressiveness and conceptual simplicity are appealing, naive implementations have…