Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
  Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben
Buchkapitel

Approximation Methods for Gaussian Process Regression

MPG-Autoren
/persons/resource/persons84156

Rasmussen,  CE
Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society;
Max Planck Institute for Biological Cybernetics, Max Planck Society;

Externe Ressourcen

https://mitpress.mit.edu/books/large-scale-kernel-machines
(Inhaltsverzeichnis)

Volltexte (beschränkter Zugriff)
Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.
Volltexte (frei zugänglich)

lskm_chapter.pdf
(beliebiger Volltext), 337KB

Ergänzendes Material (frei zugänglich)
Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar
Zitation

Quiñonero-Candela, J., Rasmussen, C., & Williams, C. (2007). Approximation Methods for Gaussian Process Regression. In L. Bottou, O. Chapelle, D. DeCoste, & J. Weston (Eds.), Large-Scale Kernel Machines (pp. 203-223). Cambridge, MA, USA: MIT Press.


Zitierlink: https://hdl.handle.net/11858/00-001M-0000-0013-CBFB-A
Zusammenfassung
A wealth of computationally efficient approximation methods for Gaussian process regression have been recently proposed. We give a unifying overview of sparse approximations, following Quiñonero-Candela and Rasmussen (2005), and a brief review of approximate matrix-vector multiplication methods.