原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第17届IFAC系统识别大会预印本国际会议2015年10月
19‑21日
?
基于FITC和PITC近似的稀疏过程回归
HildoBijl∗Jan‑WillemvanWingerden∗ThomasB.Sch¨on∗∗
MichelVerhaegen∗
∗代尔夫特理工大学系统与控制，荷兰，{
h.j.bijl,j.w.vanwingerden,m.verhaegen}@tudelft.nl
∗∗乌普大学系，瑞典，thomas.schon@it.uu.se
过程；非参数回归；系统辨识
：我们提出了法，可以对任意一组诱导输入（inducinginputs）实现稀疏过程（GP）
回归算法的更新。该方法分别针对完全独立训练条件（FullytTrainingConditional，
FITC）和部分独立训练条件（PartiallytTrainingConditional，PITC）近似进行了推导，
2
且允许以m(m)时间复杂度纳入新的测量点xn+1，其中m表示诱导输入集合的大小。由于算法具有在
2
线特性，可以遗忘早期的测量数据，这意味着无论是FITC还是PITC，所需的内存空间也是O(m)量级。我
们展示了该方法能够高效地将GP回归应用于大规模数据集，并获得准确的结果。
1.引言框架中。由此可以得出结论，特别是作为FullyI
ndependentTrainingConditional（FITC）算法推广的
过程（GP）回归（参见Rasmussen和WilliamsPartiallytTrainingConditional（PITC）算法，
[2006]）是一种日益流行的回归方法。通过统计方法，它是一种很有前景的稀疏GP算法。稍后介绍这两种算法。
可以根据有限的、可能带有噪声的训练点集（x,y）对函
数f(x)进行估计。GP回归以仅需少量训练数据即可提GP回归的另一个缺点是，将一个新的数据点xn+1加入数
供相对准确的估计而著称。此外，它还能关于这些估据集X相对低效。传统上，这需要重新计算n×n核矩
计的置信度信息。3
阵K的逆，导致每次新增测量的运行时间为O(n)。因
GP回归最显著的缺点是其计算复杂度较高。传统的GP此，已有若干方法被提出以方式应用稀疏GP回归。这
32
回
文档评论（0）