.png){kind=icon}
返回
Aggregation models with optimal weights for distributed Gaussian processes
.png){kind=icon}
PRE
AI
DOI：10.1080/24725854.2026.2637908.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高斯过程（GP）模型因其出色的预测精度和建模灵活性，近年来受到了越来越多的关注。为解决GP模型在大规模数据集上的计算负担，分布式学习常被用于GP模型。当前分布式GP的聚合模型在整合GP专家之间的相关性时，时间效率不高。本研究提出了一种分布式GP聚合预测的新方法，适用于精确GP和稀疏变分GP。该方法整合了专家间的相关性，在可管理的计算要求下提高了预测精度。实证研究表明，所提出的方法比当前最先进的聚合模型更快地实现了更稳定的预测。
Keyword:
Distributed Gaussian processes
optimized combination technique
aggregation models
inducing points
