GPR模型的数据近似子集-MATLAB和SIMULINK -MATHWORKS澳大利亚金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

GPR模型的数据近似子集

使用确切方法训练GPR模型（当FitMethod是'精确的'）需要倒置n-经过-n矩阵。因此，计算复杂性是o（kn³），在哪里k是估计所需的功能评估数量 $β$ ，，，， $θ$ ，和 $σ^{2}$ ，和n是观察的数量。大n，参数或计算预测的估计可能非常昂贵。

通过大数据集解决计算复杂性问题的一种简单方法是选择m<n观察结果n然后申请精确的GPR模型这些m要估计的要点 $β$ ，，，， $θ$ ，和 $σ^{2}$ 而忽略另一个（n-m）积分。这个较小的子集被称为活动集或者诱导输入集。这种近似方法称为数据子集（SD）方法。

使用SD方法时的计算复杂性为O（km³），在哪里k是功能评估的数量m是活动设置的大小。存储要求为o（m²）由于只有完整核矩阵的一部分 $k （（ X ，，，， X | θ ）$ 需要存储在内存中。

您可以使用“ fitMethod'，'sd'呼叫中的名称值对参数fitrgp。要指定预测的SD方法，请使用“预测方法”，“ SD”名称值对参数。

要使用精确的GPR模型估算参数，请参见使用精确GPR方法的参数估计。要使用确切的GPR模型进行预测，请参见使用精确的GPR方法进行预测。