2015-《Sparse Gaussian Process Regression for Compliant, Real-Time Robot Control》
来源:互联网 发布:安卓电子白板书写软件 编辑:程序博客网 时间:2024/05/16 11:28
发表在《 ICRA》上
稀疏高斯过程回归(GPR)模型,在大数据集的回归上,提供了一个有效的方法。其主要思想是,在可用的训练数据中,选择一个代表性的子集,然后用于GPR近似模型。
过去,用于GPR近似模型的数据选择标准有很多,但是都不够好,或者精确度不够,或者计算成本高。
这篇文章提出了一个新的选择标准,成功选择训练点用于GPR模型。该新算法又快又有效的选择。
在评估阶段,文章用了大数据集来做,充分证明了该近似GPR模型能快速对机器人控制进行实时预测。对比现有的很好的技术,该文章能做到更快和更好的迭代精度。
稀疏高斯过程回归如下:
用最大误差贪婪标准来选择集合
对超参数的增量式学习
评估结果
0 0
- 2015-《Sparse Gaussian Process Regression for Compliant, Real-Time Robot Control》
- Gaussian Process Regression
- Gaussian Processes for Regression
- RTX® – Real-time Extension for Control of Windows
- sparse linear regression with beta process priors
- 论文笔记《A CNN Regression Approach for Real-Time 2D/3D Registration 》
- 论文阅读《Re3: Real-Time Recurrent Regression Networks for Object Tracking》
- 论文阅读-Re 3 : Real-Time Recurrent Regression Networks for Object Tracking
- Wall time(real time), Process time和Monotonic time.
- 高斯过程回归(Gaussian Process Regression)
- Jrockit Real Time & Jrockit Mission Control
- Gaussian Process
- OPC (OLE for Process Control)
- OPC (OLE for Process Control)
- UML for Real : Design of Embedded Real-Time Systems
- Cloudera Impala: Real-Time Queries in Apache Hadoop, For Real
- Real-Time Concepts for Embedded Systems----读书笔记
- JSR 1: Real-time Specification for Java
- java 多线程 同步类容器与并发类容器
- java提高篇(四)-----抽象类与接口
- STL之queue
- Angular企业级开发(7)-MVC之控制器
- 开博
- 2015-《Sparse Gaussian Process Regression for Compliant, Real-Time Robot Control》
- JavaScript杂谈之promise揭秘
- VS2015配置PBC库
- StreamingHttpResponse和HttpResponse
- 【zabbix教程七】——zabbix3.0配置微信报警
- 初探面向对象编程(1)———高精度模板part1
- javascript语言精粹笔记(三)函数
- 安卓捕获运行时异常
- POJ 1854