本文来自于一篇博士论文，上周查阅 Cross Validated 时候发现的。这篇论文让我眼前一亮是使用 Kalman filter（卡尔曼滤波）去解决机器学习（Deep Gaussian Process, DGP）的问题。而且论文的外审专家和答辩评委（pre-examiner, opponent）是 David Duvenaud 和 Manfred Opper，两人都是机器学习 GP 和 SDE 的大牛，论文的质量应该是有保证的。论文比较长而且其第 2，3 章的内容不是我的专业而且和 GP 没多大关系，因此只讨论第四章。第四章的内容貌似大部分来源于这个论文。

论文标题：

State-space deep Gaussian processes with applications

关键词：

高斯过程，状态空间，卡尔曼滤波

论文链接：

https://github.com/zgbkdlm/dissertation/blob/main/dissertation.pdf

https://link.springer.com/article/10.1007/s11222-021-10050-6

https://aaltodoc.aalto.fi/handle/123456789/111268

代码链接：

https://github.com/zgbkdlm/dissertation

内容中包含的图片若涉及版权问题，请及时与我们联系删除