Hồi quy quy trình Gaussian tăng dần


11

Tôi muốn thực hiện hồi quy quy trình gaussian tăng dần bằng cách sử dụng cửa sổ trượt trên các điểm dữ liệu đến từng điểm một qua luồng.

Gọi là chiều của không gian đầu vào. Vì vậy, mọi điểm dữ liệu có số phần tử.x i ddxid

Gọi là kích thước của cửa sổ trượt.n

Để đưa ra dự đoán, tôi cần tính toán nghịch đảo của ma trận gram , trong đó và k là hạt nhân hàm mũ bình phương.K i j = k ( x i , x j )KKij=k(xi,xj)

Để tránh K trở nên lớn hơn với mỗi điểm dữ liệu mới, tôi nghĩ rằng tôi có thể xóa điểm dữ liệu cũ nhất trước khi thêm điểm mới và bằng cách này, tôi ngăn không cho gram phát triển. Ví dụ, chúng ta hãy nơi Σ là hiệp phương sai của trọng lượng và φ là hàm lập bản đồ ngầm ngụ ý của các phương mũ hạt nhân.K=ϕ(X)TΣϕ(X)Σϕ

Bây giờ hãy để ] và trong đó 's là bởi ma trận cột.X=[xtn+1|xtn+2|...|xtXnew=[xtn+2|...|xt|xt+1]xd1

Tôi cần một cách hiệu quả để tìm ra có khả năng sử dụng . Điều này không giống như nghịch đảo của một vấn đề ma trận được cập nhật cấp 1 có thể được giải quyết hiệu quả với công thức Sherman-Morrison.Knew1K

Câu trả lời:


8

Đã có một số thuật toán đệ quy để làm điều này. Bạn nên xem thuật toán nhân đệ quy tối thiểu (KRLS) và các thuật toán GP trực tuyến có liên quan.


Cảm ơn bạn rất nhiều thực sự cho những gợi ý tuyệt vời!
bfaskiplar

-1

Ước lượng từng bước của các mô hình GP được nghiên cứu tốt trong tài liệu. Ý tưởng cơ bản là thay vì điều chỉnh tất cả các quan sát mới mà bạn muốn dự đoán, dựa trên điểm trước một bước và thực hiện điều này nhiều lần. Điều này trở nên gần gũi với bộ lọc kalman.


Câu trả lời này sẽ được cải thiện nếu nó trích dẫn một cuốn sách, bài báo hoặc xuất bản học thuật khác.
Sycorax nói Phục hồi lại
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.