Regression

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

Cet article propose la régression par facteurs latents de processus gaussien (GPLFR), un modèle conçu pour prédire des sorties de grande dimension à partir de peu d'exemples d'entraînement. Il couple la compression et la prédiction dans un objectif unique pour gérer la grande dimensionnalité. Le GPLFR est démontré en construisant le premier émulateur spatialement résolu de modèles climatiques globaux pour les exoplanètes rocheuses.