

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、近年來高斯過程(Gaussian Process,GP)模型已成為一種重要的機(jī)器學(xué)習(xí)方法。它綜合了基于核的機(jī)器學(xué)習(xí)與基于貝葉斯推理機(jī)器學(xué)習(xí)的特點(diǎn),同時(shí)具備上述兩種機(jī)器學(xué)習(xí)方式的優(yōu)點(diǎn)。高斯過程模型既可用于分類,也可用于回歸預(yù)測(cè)。本文主要研究用于回歸預(yù)測(cè)的高斯過程模型,具體研究工作如下:
?。?)多尺度高斯過程模型的近似學(xué)習(xí)曲線研究
基于高斯過程相關(guān)理論,對(duì)多尺度高斯過程模型的學(xué)習(xí)曲線進(jìn)行研究。首先,對(duì)學(xué)習(xí)曲線進(jìn)行了定義,
2、然后根據(jù)多尺度高斯過程模型的原理,推導(dǎo)出學(xué)習(xí)曲線的一般表達(dá)式,并通過對(duì)多個(gè)樣本集求均值的方式對(duì)學(xué)習(xí)曲線進(jìn)行近似計(jì)算,得到近似學(xué)習(xí)曲線的計(jì)算表達(dá)式,最后在Matlab環(huán)境下實(shí)現(xiàn)了學(xué)習(xí)曲線的近似計(jì)算實(shí)驗(yàn)仿真。
?。?)學(xué)習(xí)曲線的單點(diǎn)上界和兩點(diǎn)上界研究
借鑒Williams, C.K.I.和Vivarelli, F.提出的GP模型的單點(diǎn)上界和兩點(diǎn)上界的研究思路,推導(dǎo)出了MGP模型的單點(diǎn)上界和兩點(diǎn)上界公式,并用Simpson公
3、式或梯度公式對(duì)兩種上界進(jìn)行了近似計(jì)算,得到了兩種上界的數(shù)值計(jì)算表達(dá)式。在Matlab環(huán)境下實(shí)現(xiàn)了學(xué)習(xí)曲線單點(diǎn)上界以及兩點(diǎn)上界的實(shí)驗(yàn)仿真。通過實(shí)驗(yàn)驗(yàn)證了多尺度高斯過程學(xué)習(xí)曲線及其界的理論的正確性,并且通過對(duì)比不同參數(shù)情形下的實(shí)驗(yàn)結(jié)果,得出了各個(gè)模型參數(shù)對(duì)MGP模型學(xué)習(xí)曲線及其界的影響。
?。?)高斯過程混合模型的回歸預(yù)測(cè)研究
研究了GP模型的另一種改進(jìn)型,即高斯過程混合模型(GPMs)。首先闡述如何用留一交叉驗(yàn)證法對(duì)模型
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于高斯過程回歸的鏈路質(zhì)量預(yù)測(cè)方法.pdf
- 高斯過程回歸理論在變形預(yù)測(cè)中的應(yīng)用.pdf
- 基于高斯過程的CAE模型校準(zhǔn)與預(yù)測(cè)研究.pdf
- 用于分類的高斯過程研究.pdf
- 軌跡聚類與基于高斯過程回歸模型的軌跡識(shí)別算法研究.pdf
- 基于高斯過程機(jī)器學(xué)習(xí)方法的證券預(yù)測(cè)模型研究.pdf
- 基于高斯過程回歸模型的鋰電池?cái)?shù)據(jù)處理.pdf
- 基于高斯過程回歸的盲均衡算法研究.pdf
- 基于高斯過程回歸的盲均衡算法研究
- 66311.基于多模型的高斯過程回歸軟測(cè)量方法研究
- 基于高斯過程回歸的強(qiáng)化學(xué)習(xí)算法研究.pdf
- 基于高斯過程的呼吸運(yùn)動(dòng)預(yù)測(cè)研究.pdf
- 基于高斯過程的備件消耗預(yù)測(cè)研究.pdf
- 基于高斯過程回歸及Trust-Tech的短期風(fēng)電功率預(yù)測(cè)方法.pdf
- 基于高斯過程回歸模型的貝葉斯濾波故障診斷方法研究.pdf
- 基于改進(jìn)高斯過程回歸的賴氨酸發(fā)酵過程軟測(cè)量研究.pdf
- 高斯混合模型用于語(yǔ)音情感識(shí)別研究.pdf
- 基于多輸出高斯過程回歸的翼型快速設(shè)計(jì).pdf
- 基于高斯過程回歸的圖像超分辨重建技術(shù)研究.pdf
- 基于高斯過程的變形預(yù)測(cè)算法研究.pdf
評(píng)論
0/150
提交評(píng)論