In this paper we address the proble

In this paper we address the problem of learning continuous
networks by using Gaussian Process priors. This class of
priors is a flexible semi-parametric regression model. We
call the networks learned using this method Gaussian Process
Networks. The resulting learning algorithm is capable
of learning a large range of dependencies from data.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เราแก้ไขปัญหาการเรียนรู้อย่างต่อเนื่องเครือข่าย โดยใช้กระบวนการ Gaussian priors ชั้นนี้priors แบบจำลองถดถอยพาราเมตริกกึ่งยืดหยุ่นได้ เราโทรเครือข่ายเรียนรู้การใช้ Gaussian กระบวนวิธีนี้เครือข่าย อัลกอริทึมการเรียนรู้ได้มีความสามารถในการเรียนรู้อ้างอิงจากข้อมูลที่หลากหลาย

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราแก้ไขปัญหาอย่างต่อเนื่องของการเรียนรู้เครือข่ายโดยใช้กระบวนการไพรเออร์เสียน
ชั้นนี้ไพรเออร์เป็นรูปแบบที่มีความยืดหยุ่นการถดถอยกึ่งพารา เราเรียกเครือข่ายเรียนรู้การใช้วิธีนี้กระบวนการ Gaussian เครือข่าย อัลกอริทึมการเรียนรู้ที่ส่งผลให้มีความสามารถในการเรียนรู้ช่วงใหญ่ของการอ้างอิงจากข้อมูล

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้เราแก้ไขปัญหาของเครือข่ายการเรียนรู้อย่างต่อเนื่องโดยใช้กระบวนการลำดับ
) . รุ่นนี้เป็นแบบยืดหยุ่น
ประวัติกึ่งพารามิเตอร์การถดถอยแบบ เราเรียกเครือข่ายเรียนรู้โดยใช้กระบวนการ

) วิธีนี้เครือข่าย ผลของการเรียนรู้มีความสามารถ
การเรียนรู้ที่หลากหลายของการอ้างอิงจากข้อมูล