高斯过程回归的近似方法及其应用

来源：计算机测量与控制杂志2022年第6期北京时间：

作者：张明民

单位：同济大学中德学院

摘要：作为机器学习的一个分支，高斯过程回归在近年来越来越受到重视，在诸多领域得到了广泛的应用；该方法适用于非线性系统的建模，并可以自动在模型的复杂度和建模精度之间进行权衡；但是由于计算复杂度较高，其难以直接被应用于大数据量的学习任务，因此，很多近似方法被发展出来以降低其计算成本；根据是否将训练数据划分为子集，高斯过程回归的近似方法可以被分为全局近似方法和局部近似方法；文章首先阐述了高斯过程回归的理论基础，接下来对全局和局部这两种近似方法进行了分析，然后介绍了其在实际应用中的情况，特别是在软测量和控制领域，最后进行了总结和对其未来研究方向的展望。

关键词：高斯过程回归;近似方法;计算复杂度;软测量;模型预测控制;机器学习

基金资助：国家重点研发计划(2018YFE0105000)