Gaussian process (GP)

新的高斯过程模型增强不确定性量化

研究人员开发了 GP-pro-c，这是一种新的产品专家高斯过程（GP）模型，旨在改进不确定性量化。该模型通过利用 GP 中信息增益的单调性和次模性来校准后验方差，减少了在局部专家基于不相交的数据子集进行训练时可能发生的方差高估。实验表明，与未经校准的模型相比，GP-pro-c 在负对数似然和预期归一化校准误差方面取得了显著降低，同时保持了预测准确性和计算效率。这种方法为可扩展高斯过程模型中的不确定性估计提供了一个有前途的解决方案，可能…