20260617:目前有914 页

concepts/fixed-mean-gaussian-process.md

@@ -0,0 +1,47 @@
+---
+title: "固定均值高斯过程 (Fixed-Mean Gaussian Process)"
+created: 2026-06-17
+updated: 2026-06-17
+type: concept
+tags: [bayesian-deep-learning, uncertainty, gaussian-process, post-hoc]
+sources: [raw/papers/ortega-phd-thesis-2026.md]
+confidence: high
+---
+
+# 固定均值高斯过程 (Fixed-Mean Gaussian Process)
+
+FMGP 是 [[ortega-phd-thesis|Ortega (2026)]] 提出的**轻量级后处理不确定性校准方法**——在冻结的预训练网络上附加 GP 协方差结构。
+
+## 核心思想
+
+将预训练网络视为 GP 的**固定均值函数**：
+
+```
+f(x) ~ GP(μ_pretrained(x), k(x, x'))
+```
+
+- 均值 μ 由预训练网络提供（冻结，不再训练）
+- 协方差 k 由 GP 核参数化（可学习）
+
+## 优势
+
+- **极简**：仅需学习核参数，预训练网络完全不动
+- **校准**：GP 提供原则性的预测不确定性
+- **可扩展**：比完全 Bayesian 方法轻量得多
+- **兼容性**：可在任意预训练网络上附加
+
+## 与 VaLLA 的互补
+
+| 方法 | 校准来源 | 训练 |
+|------|---------|------|
+| [[variational-linearized-laplace-approximation|VaLLA]] | 权重后验 | 变分学习 Σ |
+| FMGP | GP 协方差 | 学习核参数 |
+
+两者提供互补的不确定性量化策略。
+
+## 参考
+
+- [[variational-linearized-laplace-approximation|VaLLA]]
+- [[bayesian-deep-learning|Bayesian 深度学习]]
+- [[gaussian-process|高斯过程]]
+- [[ortega-phd-thesis|论文]]