Gaussian process 卡胡宁·罗和#xE8；高斯过程的ve展开
我使用高斯过程（GP）的后验值作为非线性微分方程解算器的输入，为简单起见，这将导致标量输出。我想计算标量输出的方差，我想使用GP的Karhunen–Loève（KL）展开式结合系数的sigma点。因此，在数学上，我需要计算后验协方差函数的本征函数。是否可以实现这一目标 在我的理解中，蛮力方法可以是在足够精细的输入网格上计算经过训练的GP的后验协方差矩阵，然后计算其特征向量。然而，我必须回归计算出的特征向量，将它们转换成一个连续函数，可以在微分方程求解器中使用。我想知道是否有更好/更优雅的方法？我正在为此使用gpytoch，但其他工具也可能有用Gaussian process 卡胡宁·罗和#xE8；高斯过程的ve展开,gaussian-process,gpytorch,Gaussian Process,Gpytorch,我使用高斯过程（GP）的后验值作为非线性微分方程解算器的输入，为简单起见，这将导致标量输出。我想计算标量输出的方差，我想使用GP的Karhunen–Loève（KL）展开式结合系数的sigma点。因此，在数学上，我需要计算后验协方差函数的本征函数。是否可以实现这一目标 在我的理解中，蛮力方法可以是在足够精细的输入网格上计算经过训练的GP的后验协方差矩阵，然后计算其特征向量。然而，我必须回归计算出的特征向量，将它们转换成一个连续函数，可以在微分方程求解器中使用。我想知道是否有更好/更优雅的方法？我