許雪

摘要：機器學(xué)習(xí)目前在計算機學(xué)科和信息學(xué)科里是非常重要的一個前沿領(lǐng)域，高斯過程回歸這一理論學(xué)習(xí)方法是一種全新的機器學(xué)習(xí)方法，它是在貝葉斯理論和統(tǒng)計學(xué)習(xí)理論結(jié)合的基礎(chǔ)上發(fā)展起來的，自被提出以來就受到各個領(lǐng)域的專家等的高度重視并取得了不少成果。本文主要介紹高斯過程回歸的方法及其算法模型

關(guān)鍵詞：高斯過程回歸；貝葉斯理論；函數(shù)空間；預(yù)測

中圖分類號：TP181 文獻標識碼：A 文章編號：1672-3791（2016）04（b）-0000-00

四、結(jié)語

高斯過程回歸是在貝葉斯理論和統(tǒng)計學(xué)習(xí)理論結(jié)合的基礎(chǔ)上發(fā)展起來的一種全新的機器學(xué)習(xí)方法。本文主要介紹高斯過程回歸的方法及其算法模型，應(yīng)用該模型，可以使我們更準確的對有噪聲的過程進行預(yù)測分析。

參考文獻：

[1]C.E.Rasmussen， C.K.I.Williams. Gaussian Processes for machine learning[M].USA：MIT press，2006.

[2]C.Rasmussen. Evaluation of Gaussian Processes and Other Methods for Non-linear Regression[D].PhD thesis，University of Toronto， 1996.

[3]P.J.Brockwell， R.A.Davis. Time Series： Theory and Methods[M].Springer，1991.

[4]孫斌，姚海濤，劉婷.基于高斯過程回歸的短期風(fēng)速預(yù)測[J].中國電機工程學(xué)報，2012年，32卷（29期）.