BriefGPT - AI 论文速递
·
无均值回归的平稳性：不正规高斯过程回归和不正规核函数
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了平滑随机行走核函数和不正规马特尔核函数，解决回均值高斯过程回归的已知病态问题，保留了平稳核函数的有利特性。作者验证了这些核函数的有效性。
🎯
关键要点
-
本文介绍了平滑随机行走核函数和不正规马特尔核函数。
-
这些核函数解决了回均值高斯过程回归的已知病态问题。
-
不正规的高斯过程先验可以定义比较平稳但不回均值的过程。
-
引入了一类大量的不正规核函数，包括平滑随机行走核函数和不正规马特尔核函数。
-
通过分析合成数据和真实数据，验证了这些核函数的有效性。
-
这些不正规核函数保留了大多数普通平稳核函数的有利特性。
➡️
