PulseAugur
中
实时 12:42:34
English(EN) Vecchia-Inducing-Points Full-Scale Approximations for Gaussian Processes

新的VIF方法提高了高斯过程的可扩展性和准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为Vecchia-Inducing-Points Full-Scale (VIF) 的新近似方法，以提高高斯过程的可扩展性。该方法将全局诱导点与局部Vecchia近似相结合，提供了更高的准确性和稳定性，尤其适用于大型数据集。VIF方法已在开源GPBoost库中实现，为机器学习和统计分析提供了高效的工具。 AI

影响 增强了高斯过程的可扩展性，从而能够进行更复杂的机器学习建模。

排序理由 该集群包含一篇详细介绍高斯过程新近似方法的新学术论文。[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 →

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Tim Gyger, Reinhard Furrer, Fabio Sigrist ·

    Vecchia-Inducing-Points 全尺度高斯过程近似

    arXiv:2507.05064v4 Announce Type: replace Abstract: Gaussian processes are flexible, probabilistic, non-parametric models widely used in machine learning and statistics. However, their scalability to large data sets is limited by computational constraints. To overcome these chall…

相关实体

相关话题