ترجمه فارسی مقاله تجزیه و تحلیل نظری فرآیندهای گاوسی هتروسکوستیک با توزیع خلفی

چکیده

This study introduces a novel theoretical framework for analyzing heteroscedastic Gaussian processes (HGPs) that identify unknown systems in a data-driven manner. Although HGPs effectively address the heteroscedasticity of noise in complex training datasets, calculating the exact posterior distributions of the HGPs is challenging, as these distributions are no longer multivariate normal. This study derives the exact means, variances, and cumulative distributions of the posterior distributions. Furthermore, the derived theoretical findings are applied to a chance-constrained tracking controller. After an HGP identifies an unknown disturbance in a plant system, the controller can handle chance constraints regarding the system despite the presence of the disturbance.

چکیده به فارسی (ترجمه ماشینی)

این مطالعه یک چارچوب نظری جدید برای تجزیه و تحلیل فرآیندهای گاوسی هتروسکوپی (HGPs) که سیستم های ناشناخته را به روشی محور داده شناسایی می کند ، معرفی می کند.اگرچه HGP ها به طور مؤثر به ناهمگونی سر و صدا در مجموعه داده های آموزش پیچیده می پردازند ، محاسبه توزیع دقیق خلفی HGPS چالش برانگیز است ، زیرا این توزیع ها دیگر چند متغیره طبیعی نیستند.این مطالعه به معنای دقیق ، واریانس و توزیع تجمعی توزیع های خلفی است.علاوه بر این ، یافته های نظری مشتق شده برای یک کنترلر ردیابی با محدودیت شانس اعمال می شود.بعد از اینکه HGP یک اختلال ناشناخته در یک سیستم گیاهی را مشخص کرد ، کنترل کننده می تواند با وجود وجود اختلال ، محدودیت های شانس مربوط به سیستم را برطرف کند.