Gaussian Process Latent Factor Regression for Low-Data, High-Dimensional Output Problems

Este artículo propone la Regresión de Factores Latentes de Proceso Gaussiano (GPLFR), un modelo para predecir resultados de alta dimensión a partir de pocos ejemplos de entrenamiento. Acopla la compresión y la predicción en un único objetivo para manejar la alta dimensionalidad. El GPLFR se demuestra construyendo el primer emulador espacialmente resuelto de modelos climáticos globales para exoplanetas rocosos.