Effiziente Gaussian-Prozess-Regression mit weichen Ungleichheits- und Monotonie-Beschränkungen
Die Autoren stellen eine neue Methode zur Gaussian-Prozess-Regression vor, die physikalische Beschränkungen in probabilistischer Weise berücksichtigt. Durch den Einsatz des quanteninspirierten Hamiltonian-Monte-Carlo-Verfahrens (QHMC) können die Genauigkeit erhöht und die Varianz in dem resultierenden GP-Modell reduziert werden.
