高斯过程回归的近似方法及其应用

摘要：

作为机器学习的一个分支,高斯过程回归在近年来越来越受到重视,在诸多领域得到了广泛的应用;该方法适用于非线性系统的建模,并可以自动在模型的复杂度和建模精度之间进行权衡;但是由于计算复杂度较高,其难以直接被应用于大数据量的学习任务,因此,很多近似方法被发展出来以降低其计算成本;根据是否将训练数据划分为子集,高斯过程回归的近似方法可以被分为全局近似方法和局部近似方法;文章首先阐述了高斯过程回归的理论基础,接下来对全局和局部这两种近似方法进行了分析,然后介绍了其在实际应用中的情况,特别是在软测量和控制领域,最后进行了总结和对其未来研究方向的展望.

关键词：高斯过程回归、近似方法、计算复杂度、软测量、模型预测控制、机器学习

所属期刊栏目：30

分类号：TP181(自动化基础理论)

资助基金：国家重点研发计划2018YFE0105000

在线出版日期：2022-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：222-228,258