Knowledge Commons of Institute of Automation,CAS
一种基于概率关联的局部高斯过程回归算法 | |
肖文鑫; 张文文 | |
发表期刊 | 自动化学报 |
ISSN | 0254-4156 |
2022 | |
卷号 | 48期号:8页码:1940-1949 |
摘要 | 在针对控制和机器人的机器学习任务中,高斯过程回归是一种常用方法,具有无参数学习技术的优点.然而,它在面对大量训练数据时存在计算量大的缺点,因此并不适用于实时更新模型的情况.为了减少这种计算量,使模型能够通过实时产生的大量数据不断更新,本文提出了一种基于概率关联的局部高斯过程回归算法.与其他局部回归模型相比,该算法通过对多维局部空间模型边界的平滑处理,使用紧凑支持的概率分布来划分局部模型中的数据,得到了更好的预测精度.另外,还对更新预测矢量的计算方法进行了改进,并使用k-d树最近邻搜索减少数据分配和预测的时间.实验证明,该算法在保持全局高斯过程回归预测精度的同时,显著提升了计算效率,并且预测精度远高于其他局部高斯过程回归模型.该模型能够快速更新和预测,满足工程中的在线学习的需求. |
关键词 | 机器学习 概率模型 大数据量 实时更新 |
DOI | 10.16383/j.aas.c190445 |
引用统计 | |
文献类型 | 期刊论文 |
条目标识符 | http://ir.ia.ac.cn/handle/173211/56298 |
专题 | 学术期刊_自动化学报 |
推荐引用方式 GB/T 7714 | 肖文鑫,张文文. 一种基于概率关联的局部高斯过程回归算法[J]. 自动化学报,2022,48(8):1940-1949. |
APA | 肖文鑫,&张文文.(2022).一种基于概率关联的局部高斯过程回归算法.自动化学报,48(8),1940-1949. |
MLA | 肖文鑫,et al."一种基于概率关联的局部高斯过程回归算法".自动化学报 48.8(2022):1940-1949. |
条目包含的文件 | 下载所有文件 | |||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
AAS-CN-2019-0445.pdf(1902KB) | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[肖文鑫]的文章 |
[张文文]的文章 |
百度学术 |
百度学术中相似的文章 |
[肖文鑫]的文章 |
[张文文]的文章 |
必应学术 |
必应学术中相似的文章 |
[肖文鑫]的文章 |
[张文文]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论