GaußProzessen
Gaußprozesse sind eine Familie stochastischer Prozesse, die durch eine indexierte Menge von Zufallsgrößen Xt beschrieben werden, wobei für jedes endliche Teilset t1, …, tn der Vektor (X t1 , …, X tn ) eine multivariate Normalverteilung besitzt. Damit sind Gaußprozesse vollständig durch zwei Funktionen festgelegt: die Mittelwertfunktion m(t) = E[Xt] und die Kovarianzfunktion k(s,t) = Cov(Xs, Xt). Einzelne Zufallsvariablen Xt sind Normalverteilungen mit Erwartungswert m(t).
Wichtige Eigenschaften sind: Alle endlichen Verteilungen des Prozesses sind Mehrdimensional-Normalverteilungen. Stationäre Gaußprozesse weisen eine zeitinvariante Statistik
Kovarianzfunktionen, auch Kernel genannt, bestimmen die Eigenschaften der Probenverläufe. Gängige Kernel sind der squared exponential (RBF),
Anwendungen finden Gaußprozesse vor allem in der Statistik und im maschinellen Lernen. Als priore Funktionen in