没有合适的资源?快使用搜索试试~ 我知道了~
matlab电梯运行代码通过随机截断的无偏差可缩放高斯过程 此 repo 包含 RR-CG 和 SS-RFF 的 GPyTorch 实现 抽象的可扩展高斯过程方法在计算上很有吸引力,但会引入需要严格研究的建模偏差。 本文分析了两种常用技术:早期截断共轭梯度(CG)和随机傅立叶特征(RFF)。 我们发现这两种方法都对学习的超参数引入了系统偏差:CG 趋于欠拟合,而 RFF 趋于过拟合。 我们使用随机截断估计器来解决这些问题,这些估计器消除了偏差以换取增加的方差。 在 RFF 的情况下,我们表明偏差到方差的转换确实是一种权衡:额外的方差证明不利于优化。 然而,在 CG 的情况下,我们的无偏学习过程以最少的额外计算显着优于其有偏学习过程。 要求 使用 python>=3.6 创建一个新的 conda 环境,如下所示: conda create -n myenv python=3.6 要激活 conda 环境,请运行: conda activate myenv 确保将 repo 和 GPyTorch 文件夹添加到$PYTHONPATH变量中。 你可以先运行 PYTHONPATH="path/t
资源推荐
资源评论
资源评论
weixin_38724363
- 粉丝: 5
- 资源: 974
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功