窄带高斯过程的matlab源程序，掌握通信原理的理论

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。

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

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

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。

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

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：

一种基于高斯过程的非线性PLS建模方法_王华忠

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

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