시간이 지남에 따라 함수가 근사치 변경 될 때 가우시안 프로세스 회귀를 수행하는 방법은 무엇입니까?

시간이 지남에 따라 변화를 근사하려는 함수가 가우시안 프로세스 회귀를 수행하는 좋은 전략은 무엇입니까? 내 마음에 떠오르는 순진한 접근법은 회귀를 수행하기 위해 가장 최근의 N 개의 데이터 포인트 만 사용하는 것입니다. 더 나은 전략은 무엇입니까?

이 방법을 시도해 볼 수 있습니다.

가우스 프로세스에 대한 예측 적 활성 세트 선택 방법

데이터 세트가 추론을 금지 할만큼 충분히 큰 경우에 가우시안 프로세스 분류를위한 능동적 인 세트 선택 프레임 워크를 제안합니다. 우리의 체계는 한계 확률 최대화에 기반한 능동 세트 업데이트 규칙과 하이퍼 파라미터 최적화의 2 단계 교대 절차로 구성됩니다. 활성 세트 업데이트 규칙은 모델에 포함되거나 제거 될 때 데이터 포인트의 상대적 기여도를 추정하기 위해 가우스 프로세스 분류기의 예측 분포 기능에 의존합니다.

고정 예산 알고리즘을 원하면 예를 들어

M. Lázaro-Gredilla, S. Van Vaerenbergh 및 I. Santamaría, "커널 재귀 적 최소 제곱을 이용한 추적에 대한 베이지안 접근법", 신호 처리를위한 기계 학습에 대한 IEEE 국제 워크숍 (MLSP 2011), 베이징, 중국, 2011 년 9 월 .