Název: Gaussian Process Regression under Location Uncertainty using Monte Carlo Approximation
Autoři: Ptáček, Martin
Typ dokumentu: Příspěvky z konference
Jazyk: eng
Nakladatel: Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií
Abstrakt: Gaussian Process Regression (GPR) is a commonstatistical framework for spatial function estimation. While itsflexibility and availability of closed-form estimation solutionafter training are its advantages, it suffers on applicabilityconstraints in scenarios with uncertain training positions. Thispaper presents the derivation of the exact GPR operating onuncertain training positions along with approximation of theresulting terms using Monte Carlo (MC) sampling. This methodis then implemented in a simulation environment and shown toimprove the estimation quality over the standard GPR approachwith uncertain training positions.
Klíčová slova: GPR; Monte Carlo approximation; Probabilistic inference; Spatial function estimation; Uncertaintraining positions
Zdrojový dokument: Proceedings II of the 29st Conference STUDENT EEICT 2023: Selected papers, ISBN 978-80-214-6154-3, ISSN 2788-1334

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: http://hdl.handle.net/11012/210695

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-531801


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Konferenční materiály > Příspěvky z konference