Intrinsic Gaussian Processes on Complex Constrained Domains
复杂约束域上的内蕴高斯过程AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究几何约束下的通用高斯过程，空间域本身不构成网络、因子或其他所列方向的证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
复杂约束域上的内蕴高斯过程
- 研究问题
- 在不规则空间或复杂约束流形上，如何构造尊重边界、内部条件与内蕴几何的高斯过程，用于平滑和分类？
- 方法与思路
- 作者利用热核与流形上布朗运动转移密度的关系，构造和近似有效且计算可行的协方差核，并给出模拟与数据例子。
- 材料陈述的贡献
- 摘要称该方法将内蕴高斯过程用于较广泛的复杂约束域，突破既有约束域平滑方法局限于简单特例的范围。
- 阅读关注点
- 应核对边界及内部条件的具体处理、协方差核有效性的依据，以及布朗运动近似的精度与计算成本。
- 阅读边界
- 仅据所给 Crossref 摘要；适用域、近似误差与案例结果未具体列出，不能据此断言所有复杂几何上均可行。
原文摘要
Summary We propose a class of intrinsic Gaussian processes (GPs) for interpolation, regression and classification on manifolds with a primary focus on complex constrained domains or irregularly shaped spaces arising as subsets or submanifolds of R, R2, R3 and beyond. For example, intrinsic GPs can accommodate spatial domains arising as complex subsets of Euclidean space. Intrinsic GPs respect the potentially complex boundary or interior conditions as well as the intrinsic geometry of the spaces. The key novelty of the approach proposed is to utilize the relationship between heat kernels and the transition density of Brownian motion on manifolds for constructing and approximating valid and computationally feasible covariance kernels. This enables intrinsic GPs to be practically applied in great generality, whereas existing approaches for smoothing on constrained domains are limited to simple special cases. The broad utilities of the intrinsic GP approach are illustrated through simulation studies and data examples.