Kernels for derivatives of Gaussian processes
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 25/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- julia
- Ambito
- machine-learning
Direzione di ricerca
L’issue non indica file, test o punti di ingresso. Inizia esaminando l’interfaccia esistente del kernel e i riferimenti citati sui processi gaussiani derivati, quindi chiarisci il design proposto con i maintainer; il lavoro sarebbe completato quando fosse disponibile un’interfaccia concordata per le derivate degli argomenti del kernel e le trasformazioni, insieme alla relativa copertura dell’implementazione e ai test.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
It is sometimes useful (at least in my own work) to make posterior predictions of the derivative of a process or to make predictions of a process based on observations of the derivatives (see e.g. Rasmussen and Williams 9.4 or this paper). For these purposes, it would be nice to have some interface for associating partial derivatives with respect to kernel arguments (not parameters) with a kernel and applying transformations to a kernel and its derivatives. I'm imagining some sort of DifferentiableKernel type, but no idea if this is the best way to go about it. Any thoughts on how to approach this and do people think it is of wide enough interest to be implemented here?
Thanks in advance! I've enjoyed KernelFunctions so far, and look forward to watching it develop.
- Lingua principale
- Julia
- Stelle
- 276
- Fork
- 42
- Merge medio
- 2g 20h
- PR unite (30g)
- 3
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Ha un modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di JuliaGaussianProcesses/KernelFunctions.jl
-
Future plans?Aperta
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
JuliaGaussianProcesses/KernelFunctions.jl#585 · 8 commenti · 3 reazioni ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 30/100
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 48/100
JuliaGaussianProcesses/KernelFunctions.jl#571 · 1 reazione ·
-
new kernel
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 25/100
JuliaGaussianProcesses/KernelFunctions.jl#533 · 1 reazione ·
Tutte le issue di JuliaGaussianProcesses/KernelFunctions.jl
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 83/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
JuliaDecisionFocusedLearning/ImplicitDifferentiation.jl#231 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
-
bug io
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
lanl-ansi/PowerModels.jl#1023 ·