การถดถอยของกระบวนการแบบเกาส์ที่เพิ่มขึ้น


11

ฉันต้องการใช้การถดถอยแบบเกาส์แบบขั้นตอนแบบเพิ่มโดยใช้หน้าต่างแบบเลื่อนผ่านจุดข้อมูลที่มาถึงแบบทีละรายการผ่านสตรีม

ให้แทนมิติของพื้นที่อินพุต ดังนั้นทุกจุดข้อมูลมีองค์ประกอบจำนวนdxid

ให้เป็นขนาดของหน้าต่างเลื่อนn

ในการคาดคะเนฉันต้องคำนวณค่าผกผันของแกรมเมทริกซ์โดยที่และ k เป็นเคอร์เนลเอ็กซ์เชียลกำลังสองKKij=k(xi,xj)

เพื่อหลีกเลี่ยงการเพิ่มขึ้นของ K กับจุดข้อมูลใหม่ทุกจุดฉันคิดว่าฉันสามารถลบจุดข้อมูลที่เก่าที่สุดก่อนที่จะเพิ่มจุดใหม่และด้วยวิธีนี้ฉันจะป้องกันไม่ให้กรัมเติบโตขึ้น ยกตัวอย่างเช่นปล่อยให้โดยที่คือความแปรปรวนร่วมของน้ำหนักและเป็นฟังก์ชันการทำแผนที่โดยปริยายโดยเคอร์เนล exponential กำลังสองK=ϕ(X)TΣϕ(X)Σϕ

ตอนนี้ให้ ] และโดยที่คือคูณคอลัมน์เมทริกซ์X=[xtn+1|xtn+2|...|xtXnew=[xtn+2|...|xt|xt+1]xd1

ฉันจำเป็นต้องใช้วิธีที่มีประสิทธิภาพเพื่อหาสิ่งที่อาจใช้Kสิ่งนี้ดูเหมือนจะไม่ตรงกันข้ามกับปัญหาเมทริกซ์ที่ได้รับการปรับปรุงอันดับ 1 ที่สามารถจัดการกับสูตร Sherman-Morrison ได้อย่างมีประสิทธิภาพKnew1K

คำตอบ:


8

มีขั้นตอนวิธีแบบเรียกซ้ำหลายครั้งสำหรับการทำเช่นนี้ คุณควรดูที่อัลกอริทึมเคอร์เนลกำลังสองน้อยที่สุดแบบเรียกซ้ำ (KRLS) และอัลกอริทึม GP ออนไลน์ที่เกี่ยวข้อง


ขอบคุณมากสำหรับคำแนะนำที่ยอดเยี่ยมเหล่านี้!
bfaskiplar

-1

การประมาณแบบขั้นตอนของแบบจำลอง GP ได้รับการศึกษาเป็นอย่างดีในงานวรรณกรรม แนวคิดพื้นฐานแทนการปรับเงื่อนไขในการสังเกตใหม่ทั้งหมดที่คุณต้องการคาดการณ์กำหนดจุดล่วงหน้าหนึ่งขั้นและทำสิ่งนี้ซ้ำ ๆ วิธีนี้จะใกล้เคียงกับตัวกรองคาลมาน


คำตอบนี้จะได้รับการปรับปรุงหากอ้างถึงหนังสือบทความหรือสิ่งพิมพ์ทางวิชาการอื่น ๆ
Sycorax พูดว่า Reinstate Monica
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.