Gaussian processes for time-series modelling
Gaussian processes for time-series modelling
复制标题
DOI：
10.1098/rsta.2011.0550
复制
发表时间：
2013-02-13
期刊：
影响因子：
5
通讯作者：
Aigrain, S.
中科院分区：
文献类型：
--
作者：
Roberts, S.;Osborne, M.;Aigrain, S.
在这篇文章中，我们提供一个温和的介绍时间序列数据分析的高斯过程。讨论了时间序列数据贝叶斯建模的概念框架，给出了高斯过程贝叶斯非参数建模的基础。我们讨论了领域知识如何影响高斯过程模型的设计，并提供了案例来突出这些方法。
In this paper, we offer a gentle introduction to Gaussian processes for time-series data analysis. The conceptual framework of Bayesian modelling for time-series data is discussed and the foundations of Bayesian non-parametric modelling presented for Gaussian processes. We discuss how domain knowledge influences design of the Gaussian process models and provide case examples to highlight the approaches.