问题描述
所需的协方差矩阵为
其中 t 是一维时间,k={0,1}
来自内核的示例应如下所示:
橙色序列对应k=0,蓝色序列对应k=1。
解决方法
听起来您正在为不同的离散输出寻找内核。您可以在 GPflow 中实现这一点,例如使用 Coregion
内核,其中有一个 tutorial notebook。
要构造块对角线(所有非对角线条目为零)的协区域化内核,您可以设置rank=0
。请注意,您需要明确指定哪个内核应作用于哪些维度:
import gpflow
k_time = gpflow.kernels.SquaredExponential(active_dims=[0])
k_coreg = gpflow.kernels.Coregion(output_dim=2,rank=0,active_dims=[1])
您可以将它们与笔记本中的 *
或问题中指定的 +
结合使用:
k = k_time + k_coreg
您可以看到 k_coreg
项是您指定的块对角线:评估
test_inputs = np.array([
[0.1,0.0],[0.5,[0.7,1.0],[0.1,])
k_coreg(test_inputs)
返回
<tf.Tensor: shape=(4,4),dtype=float64,numpy=
array([[1.,1.,0.,0.],[1.,[0.,1.],1.]])>
您可以通过运行获得问题图表中的样本
import numpy as np
num_inputs = 51
num_outputs = 2
X = np.linspace(0,5,num_inputs)
Q = np.arange(num_outputs)
XX,QQ = np.meshgrid(X,Q,indexing='ij')
pts = np.c_[XX.flatten(),QQ.flatten()]
K = k(pts)
L = np.linalg.cholesky(K + 1e-8 * np.eye(len(K)))
num_samples = 3
v = np.random.randn(len(L),num_samples)
f = L @ v
import matplotlib.pyplot as plt
for i in range(num_samples):
plt.plot(X,f[:,i].reshape(num_inputs,num_outputs))
,
在 GPflow 中,您可以使用由 Squared Exponential (RBF) 和 White 内核组成的 sum 内核来构建此内核。
ng update @angular/cli --migrate-only --from=11.2.0