一种基于概率关联的局部高斯过程回归算法
文献类型：期刊论文
| 作者 | 肖文鑫; 张文文 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2022 |
| 卷号 | 48期号:8页码:1940-1949 |
| 关键词 | 机器学习 概率模型 大数据量 实时更新 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c190445 |
| 英文摘要 | 在针对控制和机器人的机器学习任务中,高斯过程回归是一种常用方法,具有无参数学习技术的优点.然而,它在面对大量训练数据时存在计算量大的缺点,因此并不适用于实时更新模型的情况.为了减少这种计算量,使模型能够通过实时产生的大量数据不断更新,本文提出了一种基于概率关联的局部高斯过程回归算法.与其他局部回归模型相比,该算法通过对多维局部空间模型边界的平滑处理,使用紧凑支持的概率分布来划分局部模型中的数据,得到了更好的预测精度.另外,还对更新预测矢量的计算方法进行了改进,并使用k-d树最近邻搜索减少数据分配和预测的时间.实验证明,该算法在保持全局高斯过程回归预测精度的同时,显著提升了计算效率,并且预测精度远高于其他局部高斯过程回归模型.该模型能够快速更新和预测,满足工程中的在线学习的需求. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/56298]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 肖文鑫,张文文. 一种基于概率关联的局部高斯过程回归算法[J]. 自动化学报,2022,48(8):1940-1949. |
| APA | 肖文鑫,&张文文.(2022).一种基于概率关联的局部高斯过程回归算法.自动化学报,48(8),1940-1949. |
| MLA | 肖文鑫,et al."一种基于概率关联的局部高斯过程回归算法".自动化学报 48.8(2022):1940-1949. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。