戴尔|高斯过程相关研究的新进展的8篇论文推荐（统计 +人工智能）( 二 ) 大屏|键盘|5g通信

6、Real-Time Trajectory Planning for Autonomous Driving with Gaussian Process and Incremental RefinementCheng Jie Chen Yingbing Zhang Qingwen Gan Lu Liu Ming
arxiv 2205.11853
动态环境下的实时运动轨迹规划是自动驾驶的关键和挑战。在这篇论文中，通过迭代和增量路径速度优化，提出了一种用于复杂动态场景下自动驾驶的高效轨迹规划系统。利用规划问题的解耦结构，基于高斯过程的路径规划首先考虑静态避障和曲率约束并在Frenét帧中生成一个连续的弧长参数化路径。并引入了一种高效的s-t图搜索方法，在生成的路径上寻找速度剖面，以应对动态环境。最后对路径和速度进行增量和迭代优化，确保动力学可行性。在各种静态障碍物和动态代理的仿真场景验证了所提方法的有效性和鲁棒性。实验结果表明，该方法可以在20 Hz的频率下运行。
7、Bayesian Active Learning with Fully Bayesian Gaussian ProcessesChristoffer Riis Francisco N. Antunes Frederik Boe Hüttel Carlos Lima Azevedo Francisco Camara Pereira
arxiv 2205.10186
【戴尔|高斯过程相关研究的新进展的8篇论文推荐（统计 +人工智能）】偏差-方差权衡是机器学习中一个众所周知的问题，它会在可用数据越少的情况下变得越明显。在主动学习中，标记数据稀缺或难以获得，忽略这种权衡会导致低效和非最优查询，从而导致不必要的数据标记。在这篇论文中，重点研究了高斯过程的主动学习。对于GP算法，通过对长度尺度和噪声项两个超参数的优化来进行偏方差权衡。考虑到超参数后验的最优模态等价于最优偏差-方差权衡，对该后验进行了近似，并利用它设计了两个新的获取函数。第一个是 Query-by-Committee(B-QBC)的贝叶斯变体，第二个是通过混合高斯过程查询(QB-MGP)公式显式最小化预测方差的扩展。在6个常见的模拟中，以经验证明B-QBC平均而言，实现了最佳的边际似然，而QB-MGP实现了最佳的预测性能。论文研究表明，在获取函数中合并偏差-方差权衡可以减轻不必要和昂贵的数据标记。
8、High-dimensional additive Gaussian processes under monotonicity constraintsAndrés F. López-Lopera Fran?ois Bachoc Olivier Roustant
arxiv 2205.08528
论文引入了一个考虑单调性约束和可扩展到高维的加性高斯过程框架。首先，证明框架能够满足输入空间中所有的约束。还证明了更普通的的分项线性不等式约束也可以进行类似地处理，例如分项凸性。其次，提出了用于序列降维的加性MaxMod算法。通过连续最大化平方范数准则， MaxMod识别输入维度并优化最重要的维度。这个方法可以用线性代复杂度显式地计算出来。最后，提供了完整框架的开源代码。在单调性约束下，在几个具有数百个维度的综合例子中以及在实际应用中证明了该方法的性能和可扩展性。
https://avoid.overfit.cn/post/e934433f40c5442b96a0106aa2d0774c