文件名称：matlab如何敲代码-PyGPML:高斯过程回归码
文件大小：37KB
文件格式：ZIP
更新时间：2024-06-12 02:11:09
系统开源
matlab如何敲代码PyGPML Carl Rasmussen和Hannes Nickisch的Python版本，用于高斯过程。 他们的代码可以在这里找到： 到目前为止，此仓库正在从上方实现原始MATLAB代码的一小部分。 它主要用高斯噪声实现高斯过程，从而使最大似然积分可以精确地解析解决。 相应的功能在inferences.py中给出。 有一些标准的内置内核，但是此代码还实现了Andrew G. Wilson和Ryan P.Adams在以下参考文献中给出的用于模式识别的光谱混合（SM）内核（此代码的原始动机）。 ： [1] [2] 此处提供了此工作的资源页面： 简而言之，它使用混合了高斯的协方差核函数来实现典型的高斯过程： k（t）= sum_ {q = 1} ^ Q w_q prod_ {p = 1} ^ P exp（-2pi ^ 2 t_p ^ 2 v_ {p，q} ^ 2）cos（2pi t_p m_ {p，q} ） 其中t = x-x'，q =混合物中Q个高斯中的第i个，p = P个维度中的第j个，w =第q个高斯混合物的权重，v2 = v ^ 2 = std。 偏差，m
【文件预览】：
PyGPML-master
----gaussian_process.py(9KB)
----likelihoods.py(1KB)
----__init__.py(0B)
----examples()
--------testshorestation.py(3KB)
--------testsin_customkernel.py(5KB)
--------testairline2d.py(3KB)
--------testCO2.py(4KB)
--------__init__.py(0B)
--------addpath.py(295B)
--------testairline.py(4KB)
--------data()
--------testsin.py(3KB)
----README.md(3KB)
----kernels.py(4KB)
----testing()
--------test_core.py(1KB)
--------test_gp.py(10KB)
--------test_kernels.py(6KB)
--------addpath.py(299B)
----inferences.py(1KB)
----core.py(5KB)
----means.py(234B)
----.gitignore(343B)