我正在使用多任务高斯过程（由 Bonilla 等人在本文中介绍的过程）。

我现在有兴趣将 MGP 应用于多个多元时间序列。

更具体地说，我有多个患者，每个患者都由多变量时间序列“描述”（例如患者从 0 到 24 小时的平均心跳、血压和血糖水平）

通常来说，MGP 旨在处理一个这样的多变量时间序列（即，一名患者）。但是将这个概念扩展到多个多元时间序列（即多个患者）的最佳方式是什么？

我一直在网上搜索了一下，但似乎缺乏该领域的研究和现有的实现。我发现这篇论文，除其他外，实现了我的要求。它的做事方式是在患者之间共享所有参数（内核参数、任务间协方差矩阵、任务噪声），然后通过“反向传播”从分类器返回的错误来训练这些参数，而不是在其上训练 MGP自己的。

我想知道你们中是否有人知道更多关于如何训练这样的 MGP 的知识？例如，我正在考虑单独训练每个参数，然后对每个参数进行平均，但我不知道这有多合理。