دانلود مقالات ISI درباره فرآیند گاوسی + ترجمه فارسی

در نظریه احتمال و آمار یک فرایند گاوسی یک مدل آماری که در آن مشاهدات در دامنه پیوسته رخ می دهد. فرآیند گاوسی شامل مجموعه ای از متغیر های تصادفی به عنوان یکی از روش های نوین داده کاوی، با داشتن خصوصیات نرمال و با بهره گیری از توابع کرنل توانایی بالایی در حل مسائل غیرخطی دارد. از دید یک الگوریتم یادگیری ماشین، یک فرایند گاوسی از lazy learning و اندازه گیری شباهت بین نقاط (همان تابع کرنل) برای پیش بینی نقاط جدید از داده های آموزشی است. فرایند گاوسی به افتخار کارل فریدریش گاوس به نام وی نام گذاری شده است زیرا از او نماد گذاری توزیع گاوسی (توزیع نرمال) را پایه گذاری کرد. فرآینده ای گاوسی را می‌تواند به عنوان یک توزیع بی نهایت بعدی از گاوسی چند متغیره دید. فرایند گاوسی برای مدل کردن های آماری مفید است، زیرا این فرآیند از مزایای ذاتی توزیع نرمال استفاده می‌کند. یک ویژگی کلیدی در فرایند های گاوسی این است که آنها را می‌توان به صورت کامل با ممان مرتبه دومشان تعریف کرد. بنابراین اگر فرض شود میانگین صفر است، با تعریف تابع کوواریانس به صورت کامل رفتار فرایند مشخص می‌ شود.