通过相关性追求实现鲁棒高斯过程

BriefGPT - AI 论文速递 · 2024-10-31T00:00:00Z

本文提出了SigGPDE，一种新的稀疏变分推理框架，专门用于处理序列数据上的高斯过程。该框架通过诱导变量实现稀疏近似，避免了矩阵求逆，并证明了GP签名核的梯度是双曲型偏微分方程的解，从而优化了ELBO。SigGPDE在大规模数据集上显著提高了计算效率和分类性能。