Processo gaussiano: differenze tra le versioni

Versione delle 10:19, 24 set 2025

Versione attuale delle 23:40, 24 set 2025

(Una versione intermedia di uno stesso utente non è mostrata)

Riga 8:

::<math>\operatorname {f} (\mathbf{x}) \sim \mathcal{N} (m_f(\mathbf{x}),k_f (\mathbf{x},\mathbf{x}'))</math>

Talvolta si assume che la media sia pari a zero e spesso si sceglie come insieme indice quello temporale cosicché il processo gaussiano risulti definito sul [[tempo]] <ref>{{Cita libro|nome=David J. C.|cognome=MacKay|titolo=Information theory, inference, and learning algorithms|url=https://enwww.wikipediainference.org.uk/wikimackay/Special:BookSourcesitila/9780521642989|edizione=22nd printing|dataanno=20192003|editore=Cambridge University Press|p=540|ISBN=978-0-521-64298-9}}</ref>. Accade di frequente nell'ambito delle [[telecomunicazioni]], dove vari segnali vengono interpretati come processi gaussiani (ad esempio il [[rumore gaussiano]]).

==Alcune applicazioni==

Riga 15:

I processi gaussiani sono, inoltre, un potente strumento per l'[[interpolazione]] non lineare.

In generale, nellNell'ambito dell'[[apprendimento supervisionato]], i processi gaussiani sono impiegati in metodi [[Statistica non parametrica|non parametrici]] basati su [[Kernel definito positivo|kernel]] utili a risolvere problemi di classificazione e regressione.<ref>{{Cita libro|nome=Kevin P.|cognome=Murphy|titolo=Probabilistic machine learning: an introduction|collana=Adaptive computation and machine learning|data=2022|editore=The MIT Press|p=574|ISBN=978-0-262-04682-4}}</ref>

== Note ==

Riga 31:

== Collegamenti esterni ==

* {{cita web|http://www.GaussianProcess.org|The Gaussian Processes Web Site}}

* [https://scikit-learn.org/stable/modules/gaussian_process.html Classificazione e regressione conbasate tramitesu processi gaussiani] in Scikit-Learn

{{Controllo di autorità}}