高斯过程模型回归的预测方法的Matlab实现，可以很好地进行模型预测

一份相当不错的讲高斯滤波的文章。从一维滤波开始到二维滤波都有详细完整介绍，还详细说明了生成模板的方法。另外，根据函数图对高斯滤波进行了分析，个人觉得该部分也非常重要，受益良多。至少，在使用函数进行滤波的时候参数的选择上有了依据。不过文章中可能有处错误，已经用红色方框和箭头标注。 ps：下面是个人发泄，不想看就不看 为了学习高斯滤波模板生成，我在网上看了很多讲高斯滤波内容的东西。很想找一份空间域下高斯滤波的讲解而不得。有的只列出函数，没讲模板生成；有的讲了函数也说明了根据函数模板的生成方法，还给出了根据模板运行的程序，但是我发现二维信号情况下，它的滤波函数和我学的概率论中的正态分布函数（高斯函数）在指数项的符号上竟然正好相反，我去，我就郁闷了（难道高斯函数用到滤波中有变化？），为了求证正确的公式，我又查找资料无数，终于确定该文给出的符号是错的。我去，你竟然根据错误的公式推出了正确的模板。I服了you！

复杂非高斯随机分布系统的自适应投影算法故障诊断

高斯赛德尔迭代算法解线性方程组

包含代码和文档 分别用雅克比迭代法和高斯-赛德尔迭代法求解方程组，精确到小数点后6位，分别就 给出相应的计算结果

rvm代码matlab 快速SBL 一种基于高斯尺度混合模型的回归问题快速稀疏贝叶斯学习算法 此代码用于题为“基于高斯尺度混合的高效稀疏贝叶斯学习算法”的论文。 数据集中的图像是从 和 获取的。 tools 中的函数 FastLaplace.m 对应于基于拉普拉斯先验的快速 SBL 算法，该算法是从原始作者处获得的。 这篇论文的标题是“使用拉普拉斯先验的贝叶斯压缩感知”。 GGAMP-SBL.m 对应于题为“基于 GAMP 的低复杂度稀疏贝叶斯学习算法”论文中的算法 1。 为了比较，需要 sparseLab 2.1 和 RVM V1.1 工具箱，可以分别从 和 获得。 此代码在 Matlab 2019b 中实现。 如有任何问题，请联系 如果您使用我们代码的任何部分，请引用我们的论文。 W. Zhou, H. -T. Zhang 和 J. Wang，“基于高斯尺度混合的高效稀疏贝叶斯学习算法”，IEEE 神经网络和学习系统汇刊，doi：10.1109/TNNLS.2020.3049056。 参考资料： @ARTICLE{zhou2021efficient, author={W. {Zho

简单的高斯求积，用matlab编写，易懂易用

高斯伯努利受限玻尔兹曼机，需要将数据标准化为零均值，单位方差

包含了Hybrid Image代码以及数据集，通过自带的滤波以及自己实现的滤波函数得到图像高频，低频信息，接着进行图像融合。而且使用了对象对齐操作，使得不同尺寸的图像，图像中的不同大小的目标的融合成为了可能。

用于模拟高斯光束通过YAG晶体的结果，并与自由空间中的结果进行了对比，可以得到高斯光束在晶体中的束腰位置，用于谐振腔设计