本文介绍了一种无需完全核矩阵的矩阵分解方法，用于计算高斯过程回归模型的对数边际似然的下界。该方法通过最大化下界来近似学习模型参数的最大似然方法，保留了稀疏变分方法的优点，并减少了参数学习中的偏差。实验结果表明，该模型在相同训练时间内具有更好的预测性能。