docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links

10_Wiki/Topics_GD/Gaussian-Processes.md

@@ -2,7 +2,7 @@
 id: MATH-GP-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [[[Statistics]], machine-learning, gaussian-processes, bayesian-inference, uncertainty]
+tags: [[Statistics|[Statistics]], machine-learning, gaussian-processes, bayesian-inference, uncertainty]
 last_reinforced: 2026-04-26
 ---
 
@@ -16,13 +16,13 @@ last_reinforced: 2026-04-26
 - **핵심 요소:**
     - **Mean Function:** 데이터가 없을 때의 기본 예측값 (보통 0).
     - **Kernel (Covariance) Function:** 두 입력 사이의 관계(부드러움, 주기성 등)를 결정하는 핵심 파라미터.
-    - **[[Bayesian Inference]]:** 새로운 관측 데이터가 유입될 때마다 사후 분포(Posterior)를 업데이트하여 불확실성 정제.
-- **의의:** 딥러닝과 달리 모델의 '모름(Uncertainty)'을 정량화할 수 있어, 최적화(Bayesian [[Optimization]])나 소량 데이터 학습에서 필수적으로 사용됨.
+    - **[[Bayesian Inference|Bayesian Inference]]:** 새로운 관측 데이터가 유입될 때마다 사후 분포(Posterior)를 업데이트하여 불확실성 정제.
+- **의의:** 딥러닝과 달리 모델의 '모름(Uncertainty)'을 정량화할 수 있어, 최적화(Bayesian [[Optimization|Optimization]])나 소량 데이터 학습에서 필수적으로 사용됨.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
 - **과거 데이터와의 충돌:** 연산 복잡도가 데이터 수의 세제곱($O(n^3)$)에 비례하여 대규모 데이터 처리가 불가능했으나, 최근에는 희소 근사(Sparse approximation) 기법을 통해 수백만 개의 데이터도 처리 가능하도록 진화.
-- [[Epistemic-Uncertainty]]를 정밀하게 측정하는 데 가장 적합한 도구로 재평가됨.
+- [[Epistemic-Uncertainty|Epistemic-Uncertainty]]를 정밀하게 측정하는 데 가장 적합한 도구로 재평가됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Epistemic-Uncertainty]], Bayesian-Inference, [[Black-Box-Optimization]], Regression-Foundations
+- [[Epistemic-Uncertainty|Epistemic-Uncertainty]], Bayesian-Inference, [[Black-Box-Optimization|Black-Box-Optimization]], Regression-Foundations
 - **Raw Source:** 10_Wiki/Topics/AI/Gaussian-Processes.md