高斯過程回歸方法及其預測模型
2016-05-30 03:26:24許雪
科技資訊 2016年11期
許雪
摘要：機器學習目前在計算機學科和信息學科里是非常重要的一個前沿領域，高斯過程回歸這一理論學習方法是一種全新的機器學習方法，它是在貝葉斯理論和統計學習理論結合的基礎上發展起來的，自被提出以來就受到各個領域的專家等的高度重視并取得了不少成果。本文主要介紹高斯過程回歸的方法及其算法模型
關鍵詞：高斯過程回歸；貝葉斯理論；函數空間；預測
中圖分類號：TP181 文獻標識碼：A 文章編號：1672-3791（2016）04（b）-0000-00
四、結語
高斯過程回歸是在貝葉斯理論和統計學習理論結合的基礎上發展起來的一種全新的機器學習方法。本文主要介紹高斯過程回歸的方法及其算法模型，應用該模型，可以使我們更準確的對有噪聲的過程進行預測分析。
參考文獻：
[1]C.E.Rasmussen， C.K.I.Williams. Gaussian Processes for machine learning[M].USA：MIT press，2006.
[2]C.Rasmussen. Evaluation of Gaussian Processes and Other Methods for Non-linear Regression[D].PhD thesis，University of Toronto， 1996.
[3]P.J.Brockwell， R.A.Davis. Time Series： Theory and Methods[M].Springer，1991.
[4]孫斌，姚海濤，劉婷.基于高斯過程回歸的短期風速預測[J].中國電機工程學報，2012年，32卷（29期）.
