Tensorbasierte Kernel-Maschinen als Gauß-Prozesse: Konvergenzanalyse und Verbindung zur Bayesschen Inferenz

Tensorbasierte Kernel-Maschinen konvergieren im Grenzwert zu Gauß-Prozessen, die durch die zugrunde liegenden Basisfunktionen und Kovarianzfunktionen vollständig charakterisiert sind. Die Konvergenzrate hängt von der verwendeten Tensorzerlegung ab, wobei Tensor-Train-Modelle schneller konvergieren als Canonical Polyadic Decomposition-Modelle.