研究人员开发了CUTS-GPR,一种在新颖的高维和不完整网格设置中执行高斯过程回归(GPR)的新方法。该技术显著提高了核矩阵向量乘积的可扩展性,实现了与训练数据点数量近线性或线性的扩展,以及与维数低阶多项式的扩展。CUTS-GPR已成功应用于大型合成数据集和计算化学中的复杂势能面,实现了对先前难以处理的高维问题的贝叶斯建模。 AI
影响 能够更有效地对科学计算中复杂、高维数据集进行建模。
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]
- alphaXiv
- arXiv
- CatalyzeX
- CUTS-GPR
- DagsHub
- Gaussian Processes
- Gotit.pub
- Hugging Face
- IArxiv
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →