新入门的学者，很适合学习

新入手的小白们

新入手的小白

高斯过程回归用于势能面建模 文本

针对多输入单输出的高斯过程回归程序，采用拟牛顿法和共轭梯度对超参数进行优化。

使用多核高斯过程动力学模型的动态纹理建模和合成

高斯过程回归预测matlab工具包，有多个核函数可以选择，同时可以多维进行预测。打开文件先运行startup文件，再运行demo

具有潜在高斯过程先验（LGPP）的Raven渐进矩阵完成 这是论文“具有潜在高斯过程先验的Raven渐进矩阵完成”的代码。 依存关系 PyTorch == 1.4 pyyaml == 5.3 枕头== 7.0.0 numpy的= = 1.18.1 六个== 1.14.0 Python版本3.7.6 数据集 构建面和圆数据集： ./build_datasets.sh 训练 特定数据集的训练模型（例如，具有5000个训练样本的三角形实例化多边形数据集） python train.py --exp_name triangle_5000 --gpu 0 --dataset triangle_5000 参数--exp_name是您的自定义实验的名称和--dataset是在训练阶段中使用的数据集。 实验 用MSE分数估算模型 python test.py --exp_name trian

基于python，纯代码

论文，pdf版，仅供学习交流使用