Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

 
 
DownloadE-Mail
  Approximation Methods for Gaussian Process Regression

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

Item is

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Quiñonero-Candela, J1, Autor           
Rasmussen, CE1, Autor           
Williams, CKI, Autor
Bottou, Herausgeber
L., Herausgeber
Chapelle, O., Herausgeber
DeCoste, D., Herausgeber
Weston, J., Herausgeber
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 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.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2007-09
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: URI: http://mitpress.mit.edu/9780262026253
BibTex Citekey: 4798
 Art des Abschluß: -

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Large-Scale Kernel Machines
Genre der Quelle: Buch
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: Cambridge, MA, USA : MIT Press
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 203 - 223 Identifikator: -