Гауссовы процессы для машинного обучения
Gaussian Processes for Machine Learning
2005-11-23
SCID: 54.1/b4haru3n
Discuss with AI
гауссовские процессыядерные машинымашинное обучениевероятностный подход
Figures from the paper
Abstract (AI)
Всеобъемлющее и автономное введение в гауссовы процессы, которые обеспечивают принципиальный, практический и вероятностный подход к обучению в ядровых машинах.
Key Findings
1
Гауссовы процессы (GP) предоставляют принципиальный вероятностный подход к обучению в ядровых машинах.
2
Гауссовы процессы показаны как практический метод для задач машинного обучения.
3
В статье представлен всесторонний и автономный вводный материал по гауссовым процессам.
Research Object
Гауссовы процессы как вероятностный подход к обучению в ядровых машинах
Research Subject
Основы и практическое применение гауссовых процессов для машинного обучения, включая их принципиальное вероятностное описание в ядровом обучении
Publication Details
Publication Date
2005-11-23
Journal
Publisher
ISSN
Cited by
11719
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai4
Работы, цитирующие эту статью12
Автоматическое проектирование химических соединений с использованием управляемого данными непрерывного представления молекул2018
Обучение с подкреплением в робототехнике: обзор2013
Обзор количественной оценки неопределенности в глубоком обучении: методы, приложения и проблемы2021
О переобучении при выборе модели и последующей смещённости выбора в оценке качества2010
Объяснимое машинное обучение для получения научных знаний и открытий2020
Робототехника2013
Как отличить модель от цифрового двойника2020
Обучение выбору и обобщению ударных движений робота в настольном теннисе2013
Машинное обучение с учетом физических законов: уравнение сейсмической волны2020
Моделирование GaN HEMT при больших сигналах с использованием гибридных подходов GA-ANN, PSO-SVR и подходов на основе GPR2020
Машинное обучение и CFD для построения карт характеристик и оптимизации эжекторов CO₂2021
Гибридный анализ повышения нефтеотдачи с применением CO2 в естественнотрещиноватых коллекторах на основе вычислительной гидродинамики и машинного обучения2026