Gaussian Process Latent Factor Regression for Low-Data, High-Dimensional Output Problems
यह शोध पत्र गॉसियन प्रोसेस लेटेंट फैक्टर रिग्रेशन (GPLFR) को प्रस्तुत करता है, जो एक ऐसा मॉडल है जो कम डेटा वाले परिदृश्यों में उच्च-आयामी आउटपुट के लिए आयामी कमी (dimensionality reduction) और भविष्यवाणी को संयुक्त रूप से अनुकूलित करने के लिए डिकोडर भारों को विश्लेषणात्मक रूप से मार्जलिनाइज (analytically marginalizes) करता है, और चट्टानी एक्सोप्लैनेट्स के लिए वैश्विक जलवायु मॉडलों के पहले स्थानिक रूप से रिज़ॉल्यूशन वाले एम्युलेटर (emulator) को बनाकर इसकी प्रभावकारिता प्रदर्शित करता है।