de.mpg.escidoc.pubman.appbase.FacesBean
Deutsch
 
Hilfe Wegweiser Impressum Kontakt Einloggen
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT

Freigegeben

Buchkapitel

Approximation Methods for Gaussian Process Regression

MPG-Autoren
http://pubman.mpdl.mpg.de/cone/persons/resource/persons83845

Quiñonero-Candela,  J
Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society;

http://pubman.mpdl.mpg.de/cone/persons/resource/persons84156

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

Externe Ressourcen
Es sind keine Externen Ressourcen verfügbar
Volltexte (frei zugänglich)
Es sind keine frei zugänglichen Volltexte verfügbar
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 Large-Scale Kernel Machines (pp. 203-223). Cambridge, MA, USA: MIT Press.


Zitierlink: http://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.