As described in Section 1, multivar

As described in Section 1, multivariate Gaussian distributions are useful for modeling finite
collections of real-valued variables because of their nice analytical properties. Gaussian
processes are the extension of multivariate Gaussians to infinite-sized collections of realvalued
variables. In particular, this extension will allow us to think of Gaussian processes as
distributions not just over random vectors but in fact distributions over random functions.
7

ผลลัพธ์ (ไทย) 2:

ตามที่อธิบายไว้ในส่วนที่ 1 การกระจายเสียนหลายตัวแปรจะมีประโยชน์สำหรับการสร้างแบบจำลอง จำกัด
คอลเลกชันของตัวแปรจริงมูลค่าเพราะคุณสมบัติการวิเคราะห์ของพวกเขามีความสุข เสียนกระบวนการเป็นส่วนขยายจาก Gaussians หลายตัวแปรคอลเลกชันที่ไม่มีขีด จำกัด ขนาดของ realvalued ตัวแปร โดยเฉพาะอย่างยิ่งส่วนขยายนี้จะช่วยให้เราคิดว่าเป็นกระบวนการเสียนกระจายไม่เพียงเวกเตอร์สุ่ม แต่ในความเป็นจริงการกระจายมากกว่าฟังก์ชั่นแบบสุ่ม. 7

ผลลัพธ์ (ไทย) 3:

ตามที่อธิบายไว้ในส่วนที่ 1 แบบเกาส์เซียนการแจกแจงเป็นแบบจำกัด
คอลเลกชันของตัวแปรค่าจริง เพราะคุณสมบัติของพวกเขาดี วิเคราะห์ อีหลุกขลุกขลุ่ย
เป็นส่วนขยายของหลายตัวแปร gaussians ไม่มีที่สิ้นสุดขนาดคอลเลกชันของ realvalued
ตัวแปร โดยเฉพาะอย่างยิ่ง ส่วนขยายนี้จะช่วยให้เราคิดเป็น
อีหลุกขลุกขลุ่ยการแจกแจงไม่เพียง แต่ในความเป็นจริงการเวกเตอร์สุ่มไปสุ่มฟังก์ชัน .
7