PulseAugur
实时 23:16:14
English(EN) Mat\'ern Gaussian Processes on Graphs

Matern 高斯过程已扩展用于基于图的机器学习

研究人员开发了一类专门为无向图设计的新型高斯过程,扩展了一个用于学习未知函数的通用框架。这些图上的 Matern 高斯过程继承了其欧几里得对应物的理想特性,并且可以使用诱导点等标准方法进行训练。这一进展使其对实践者更加易于使用,并更容易集成到更大的机器学习系统中,从而可以在小批量和非共轭设置中使用。 AI

影响 引入了一种将高斯过程应用于图结构数据的新颖方法,有可能增强网络分析和推荐系统等领域的机器学习模型。

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]

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 →

Matern 高斯过程已扩展用于基于图的机器学习

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Viacheslav Borovitskiy, Iskander Azangulov, Alexander Terenin, Peter Mostowsky, Marc Peter Deisenroth, Nicolas Durrande ·

    Mat\'ern Gaussian Processes on Graphs

    arXiv:2010.15538v4 Announce Type: replace Abstract: Gaussian processes are a versatile framework for learning unknown functions in a manner that permits one to utilize prior information about their properties. Although many different Gaussian process models are readily available …