异质多任务高斯 Cox 过程
原文中文，约300字，阅读约需1分钟。发表于：。本文介绍了一种新颖的多任务高斯 Cox 过程扩展，通过多输出高斯过程（MOGP）联合建模多个异构相关任务，例如分类和回归，MOGP 先验适用于用于分类、回归和点处理任务的专用似然函数的参数，可以促进异构任务之间的信息共享，同时允许非参数估计，为了克服 MOGP 调制的非共轭贝叶斯推断，我们采用数据增强技术，并推导出均场逼近以实现用于估计模型参数的闭式迭代更新，通过 1D 合成数据和温哥华的...
本文提出了一种新的可扩展的多类高斯过程分类方法，通过改进的softmax似然函数实现。该方法具有良好校准的不确定性估计和有效的潜变量扩充。实验结果表明，该方法在不确定性估计和预测性能方面具有竞争优势。
