丝滑的采样结果在公式中其实包含着这样的性质:测试样本的真实输出值之间是相关的。这只是为了画出这个function而展现出来的特性,但是并不是说function里有这样的性质,因为一个function被确定之后,他的点就只是一个点,不能认为是一个变量了。此下高斯过程回归的预测公式如下: \overline {{F_*}} = K\left( {\bm...
下边利用一个高斯过程进行线性拟合的简单问题为例子,对自归一重要性采样进行举例。需要注意的是在之前的蒙特卡洛方法应用时,我们都知道原概率密度函数 f_X(x) 的具体表达式,但是在这个例子中,我们并不知道 f_X(x) 的具体表达式。 问题是这样的: 我们知道一个变量 y 和变量 x 具有线性关系: y=\theta x 。但...
高斯过程回归（GPR）是一种贝叶斯的机器学习方法，其核心在于预测结果为高斯分布。通常，我们使用预测结果的期望作为测试点的点估计，方差则作为不确定性度量。预测期望形成的密集点状线称为predictions，基于方差信息绘画的区域则是confidence interval。每个x轴切片构成了一个一维的高斯分布。GPR常被描述为函数...
但是,全局灵敏度分析计算花费高,因为蒙托卡罗方法需要大量采样以确保灵敏度指标的收敛。土木结构复杂,其通常模拟为高精度有限元模型,这样使得蛮力蒙托卡罗采样法 (bruteforce MCS,即直接基于有限元模型)不切实际。 因此,降低全局灵敏度分析应用于复杂土木结构的计算花费显得尤为重要。为此,本文采用高斯过程模型取代耗时的高...
的采样次数是获得可靠灵敏度指标的前提,但是同时会造成计算成本的增加.为此,采用高斯过程模型取代耗时的有限元模型用于降低计算成本,同时探讨了拉丁超立方抽样,Halton序列和Sobol序列3种空间采样方法用于全局灵敏度分析的计算效率,旨在选择一种高效的采样方法.最后,一桁架人行桥实例验证了有限元模型修正参数选择和采样选择...
采样变分深度高斯过程多元类别数据分布估计_刘姝君 下载积分: 5000 内容提示: 计算机工程 Computer Engineering ISSN 1000-3428,CN 31-1289/TP 《计算机工程》网络首发论文 题目: 采样变分深度高斯过程多元类别数据分布估计 作者: 刘姝君,李艳婷 DOI: 10.19678/j.issn.1000-3428.0049671 网络首发日期: 2018-02-28 ...
(Gaussian process Meta-model based Importance Sampling,GMIS).GMIS方法首先建立高斯过程替代模型,拟合目标电路的输入输出映射关系;然后构建基于替代模型的准最优采样分布,从而准确定位失效区域,提高获取失效样本的效率;最后实现并行耦合马尔可夫链蒙特卡洛采样,从全局准最优采样分布中获取样本.GMIS方法还设计了动态优化框架...
摘要:针对区域海洋特征环境快速观测的需求,提出了一种基于高斯过程回归的小型自主水下机器人(AUV)自适应采样方法.首先,通过比较高斯过程回归(GPR)中使用不同的回归推理方法的估计准确度和计算效率,确定AUV的合适采样间隔时间;在此基础上,根据AUV实时观测的数据进行GPR分析,预测未观测区域环境数据,并通过计算预测区域梯度...
基于强度折减采样(SRS)和高斯过程回归(GPR)模型,提出一种适用于高维空间的空间变异土坡自适应可靠度分析方法(SRS-GPR)。首先采用Karhunen-Loève展开法将空间变异土体强度参数离散为高维随机变量,随后根据SRS生成土坡临界样本点,接着通过GPR构建土体参数随机场与边坡安全系数之间的高维非线性函数关系,并基于主动学习策略...
实现步骤为:1.生成外部训练样本集,并对其进行主动采样得到训练子集;2.基于该训练子集学习出高斯过程回归模型;3.对测试图像预处理并生成测试样本集;5.在测试样本集上应用学习好的高斯过程回归模型,预测并输出超分辨图像。本发明具有较强的超分辨能力,在纹理等区域能恢复更多的细节信息,可用于视频监控、刑事侦查、航空...