其他栏目
探索发现
李勇祥副教授提出分布式高斯过程建模的最优混合似然函数及最佳线性无偏分块估计

发布时间:2023-11-07

近日,工业工程与管理系李勇祥副教授以第一作者在机器学习领域期刊IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI) 发表论文“Optimal Composite Likelihood Estimation and Prediction for Large-scale Gaussian Process Models”,探讨了大规模高斯过程的一种分布式建模方法,为大规模GP建模提供了新的范式,可在多台计算机上实现高效建模。

 

 

高斯过程模型的非线性建模和不确定性定量能力,使其成为现代数据科学和机器学习领域中的核心工具之一,并在很多领域的实际应用中发挥着关键作用。经典GP建模方法由于单台计算机的算力和内存限制,无法满足数据规模日益增长的大数据时代的建模需求。论文探讨了大规模高斯过程的一种分布式建模方法,为基于分布式计算的 GP 建模提出了一种最优混合似然函数(OCL),可最大限度地减少因分布式建模引起的信息损失;基于OCL提出了最佳线性无偏分块估计(BLUBP),证明了其在分块数据建模中具有最小的预测方差。研究为大规模GP建模提供了新的范式,可在多台计算机上实现高效建模,同时获得和经典建模方法极为接近的准确性。

 

TPAMI作为机器学习人工智能领域最受关注的期刊之一,其影响因子在机器学习、人工智能、计算机视觉等领域的期刊中常年位居前列,最近一年的影响因子为23.6。

 

论文链接:https://ieeexplore.ieee.org/document/10301563

供稿:工业工程与管理系    
Copyright © 2016 bat365(中国)在线平台官方网站-登录入口 版权所有
分享到

Email:sjtume@sjtu.edu.cn
地址:上海市东川路800号bat365在线中国官网登录入口闵行校区bat365在线中国官网登录入口
邮编:200240