如何解决Arccosine内核是否允许不同的深度级别?
我已经阅读了ArcCosine内核的源代码,似乎由于Cho和Saul(2009)定义了度为d的反余弦内核,因此不允许实现不同的深度级别和深度l使用递归。
我正在将一个gpflow.kernels.ArcCosine(order=0)
之类的天真ArcCosine内核应用于具有200/300维的数据集,这会导致以下错误:
InvalidArgumentError: Input matrix is not invertible.
[[node triangular_solve/MatrixTriangularsolve (defined at /Users/.pyenv/versions/3.7.3/lib/python3.7/site-packages/gpflow/conditionals/util.py:82) ]] [Op:__forward_training_loss_425642]
Errors may have originated from an input operation.
Input Source operations connected to node triangular_solve/MatrixTriangularsolve:
transpose (defined at /Users/.pyenv/versions/3.7.3/lib/python3.7/site-packages/gpflow/conditionals/util.py:57)
broadcastTo (defined at /Users/.pyenv/versions/3.7.3/lib/python3.7/site-packages/gpflow/conditionals/util.py:81)
Function call stack:
training_loss
我想知道内核的单一深度是否会导致我的模型出现问题,因为AutoGP(Krauth和Bonilla,2017年)设法将此内核用于高维数据。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。