高斯過程回歸方法及其預(yù)測(cè)模型

許雪

摘要：機(jī)器學(xué)習(xí)目前在計(jì)算機(jī)學(xué)科和信息學(xué)科里是非常重要的一個(gè)前沿領(lǐng)域，高斯過程回歸這一理論學(xué)習(xí)方法是一種全新的機(jī)器學(xué)習(xí)方法，它是在貝葉斯理論和統(tǒng)計(jì)學(xué)習(xí)理論結(jié)合的基礎(chǔ)上發(fā)展起來的，自被提出以來就受到各個(gè)領(lǐng)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(guān)鍵詞：高斯過程回歸；貝葉斯理論；函數(shù)空間；預(yù)測(cè)

中圖分類號(hào)：TP181 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2016）04（b）-0000-00

四、結(jié)語(yǔ)

高斯過程回歸是在貝葉斯理論和統(tǒng)計(jì)學(xué)習(xí)理論結(jié)合的基礎(chǔ)上發(fā)展起來的一種全新的機(jī)器學(xué)習(xí)方法。本文主要介紹高斯過程回歸的方法及其算法模型，應(yīng)用該模型，可以使我們更準(zhǔn)確的對(duì)有噪聲的過程進(jìn)行預(yù)測(cè)分析。

參考文獻(xiàn)：

[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(fēng)速預(yù)測(cè)[J].中國(guó)電機(jī)工程學(xué)報(bào)，2012年，32卷（29期）.