窄带高斯过程的matlab源程序,掌握通信原理的理论
2022-10-24 21:59:10 2KB 窄带 高斯
1
里面有两个案例,可支持多种高斯核回归,替换数据即可, 高斯核在内部的文件夹中都有详细介绍。
2022-08-17 11:05:22 1.92MB matlab
1
matlab解决路径优化代码gptp_multi_output 该工具包用于实现多元高斯过程回归(MV-GPR)和多元Student-t过程回归(MV-TPR)。 设置 该工具包基于GPML MATLAB Code 3.6版。 您必须先在GPML 3.6中运行startup.m ,然后在此工具箱中运行add_path.m 。 代码结构 主要功能是gptp_general.m ,其依赖于四个功能在solver的文件夹。 解算器 这四个功能分别用于解决GPR,TPR,MV-GPR和MV-TPR。 gp_solve_gpml.m tp_solve_gpml.m mvgp_solve_gpml.m mvtp_solve_gpml.m 在里面 这些函数用于为相应的协方差函数生成初始超参数。 请注意以下初始化功能: Omega_init.m , SE_init.m和nv_init.m (在TPR和MV-TPR中) 。 这些功能在最终结果中起着重要作用,如果您想获得可观的结果,请使用培训数据根据您自己的专家意见使用您自己的功能。 如果您自己编写一个新的,请不要忘记用相应的内核初始化函数替换SE_in
2022-07-22 08:44:06 28KB 系统开源
1
matlab求导代码gpmpc MATLAB中的高斯过程模型预测控制 ================================================== ========= 因为, 此代码最初是为个人使用而开发的 我的编码风格是无风格 代码很难理解,因为没有注释 我很忙 所以, 如果您认为此代码有用,请在提出问题时随时询问 任何意见和建议都是VERYYYYYYYYYYYYYYYYYY欢迎您。 ================================================== ========= 使用此代码之前,请先安装PILCO(我使用PILCO计算GP预测和偏导数) 或者
2022-05-21 15:34:26 51.75MB 系统开源
1
利用高斯过程回归建立软测量模型,主程序名为OnlineStage.m,包含数据,可以直接运行,亲测可用。
2022-05-12 11:10:16 161KB 高斯过程回归
1
Monthly-Electricity-forecast use GPR-RFr 某区域月电量预测,采用高斯过程回归、随机森林回归预测日电量,通过日电量累加的方式来获得月电量的预测 Jupyter Notebook
2022-05-10 16:04:11 72KB 回归 随机森林 源码软件 文档资料
matlab求导代码****************************** 介绍******************* ******* 请注意,未经作者许可,不得将其用于任何商业用途或对代码进行修改。 在GP TIE算法中,我们对散焦后的强度图像(在频域中)执行高斯过程回归,以估计强度轴向导数,该强度用于通过方程式(TIE)的传输强度来恢复相位。 GP TIE通过使用强度在空间频域中随散焦传播如何变化的先验知识,减轻了导数估计中的非线性误差。 不需要将强度图像等距隔开,因此输入强度堆栈可以按指数方式隔开,这被证明是一种将相位信息转换为测得强度的有效方案。 有关更多详细信息,请参见参考文件。 如何使用代码 ** 如何在示例数据集上运行: 打开Main_GPTIE.m并在Matlab中运行。 示例数据集将自动加载。 如何在自己的数据集上运行: 按照示例数据集“ SampleData2.mat”的格式准备数据集。 确保变量名称与示例数据相同,并且变量的单位为米。 打开Main_GPTIE.m。 加载数据并运行。 必要时调整Poisson求解器正则化参数(regparam)。 输入参数:
2022-05-06 21:45:46 18.06MB 系统开源
1
一种基于高斯过程的非线性PLS建模方法_王华忠
2022-04-30 23:55:34 517KB 高斯过程
1
matlab的egde源代码GPMP2 该库是(RSS 2016)中描述的GPMP2(高斯过程运动计划器2)算法的实现。 核心库使用C ++语言开发,并提供了一个可选的Matlab工具箱。 Matlab脚本中提供了示例。 内还提供ROS接口。 GPMP2由Georgia Tech机器人学习实验室开发并作为其工作的一部分。 先决条件 CMake> = 2.6(Ubuntu: sudo apt-get install cmake ),编译配置工具。 > = 1.50(Ubuntu: sudo apt-get install libboost-all-dev ),可移植的C ++源库。 > = 4.0 alpha,这是一个C ++库,用于在机器人技术和视觉技术中实现平滑和映射(SAM)框架。 在这里,我们使用GTSAM提供的因子图实现和推理/优化工具。 编译与安装 在库文件夹中执行: $ mkdir build $ cd build $ cmake .. $ make check # optional, run unit tests $ make install Matlab工具箱 提供了一
2022-04-28 08:55:28 526KB 系统开源
1
Gaussian Processes for Machine Learning英文原版pdf,国外高斯过程经典书籍,学习高斯入门的不错书
2022-03-31 21:49:04 2.54MB 高斯过程、机器学习、经典书籍
1