MATLAB实现高斯过程的入门级程序 程序不长注释清晰非常清晰易懂 程序包含在已知hyperparameter的情况下静态系统中高斯过程的实现 例子中运用已知的输入输出量做出模拟和预测 结果包含预测的图像并且包含95%置信度的图像 具体的分析讲解请关注我和我的博文

此脚本计算高斯节点和权重，以对任意三角形域上的函数进行数值积分。 注意：此方法使用折叠的正方形而不是一般的体积情况。

使用薄透镜聚焦高斯光束（基于Self的论文，Applied Optics，第22卷，第5期，第658-661页（1983）， http://www.opticsinfobase.org/ao/abstract.cfm？ id=26503 ) 输入是： λ - 光束的波长beam_waist-束腰在腰部位置（wp） wp - 腰部位置fpos - 镜头位置向量 [pos1, pos2, pos3 ...] f - 镜头焦距矢量 [f1, f2, f3 ...] 例如： Gaussian_Propagation(8e-7,0.00075,-0.1,[0 0.1],[-0.5 0.2])

用MATLAB在频域实现理想滤波、Butterworth、Gaussian滤波器，

小木虫荣誉版主yjcmwgk整理的有关量子化学计算软件Gaussian使用经验的牛贴汇总，2011年后因楼主卸任版主，此贴已基本暂停更新，故可视为目前的终极版。

在这个项目中，我们要处理使用EM算法训练GMM-HMM的孤立单词数据。 测试阶段也考虑使用维特比算法。 结果表明，通过Matlab 编程获得的性能与HTK 的性能相似。 在运行这些程序之前，请先准备好训练和测试数据。 TIDIGITS 数据库的摘录可以从这个链接获得： http://www.ece.ucsb.edu/Faculty/Rabiner/ece259/speech recognition course.html 标题为“隔离的 TI 数字训练文件，8 kHz 采样，终结点：(isolated_digits_ti_train_endpt.zip)”。 或者您可以直接从这个链接下载训练数据库的 .zip 文件： - 训练数据： http://www.ece.ucsb.edu/Faculty/Rabiner/ece259/speech recognition cours

1、本代码基于GPML工具箱V4.2。 2. 提供了两个demo（多输入单输出&多输入多输出）。 3. 使用 feval(@function name) 查看函数中超参数的数量。 例如： K > > feval (@covRQiso) 答案 = '(1 + 1 + 1)' 它表明协方差函数 covRQiso 需要 3 个超参数。 因此，3 使用优化函数最小化时需要初始化超参数。 意义每个超参数的范围和范围在每个函数的描述中都有详细的解释。 4. 不同的似然函数对推理函数的要求不同，可见详细信息 ./gpml-matlab-v4.2-2018-06-11/doc/index.html 或 ./gpml-matlab-v4.2-2018-06- 11/doc/manual.PDF。

高斯模糊 shader

用em算法估计高斯混合模型的参数，实现对N维数据的聚类

GMM-GMR是一组Matlab函数，用于训练高斯混合模型（GMM）并通过高斯混合回归（GMR）检索广义数据。 它允许通过使用期望最大化 (EM) 迭代学习算法对高斯混合模型 (GMM) 中的任何数据集进行有效编码。 通过使用此模型，高斯混合回归 (GMR) 可用于通过指定所需输入来检索部分输出数据。 然后它作为一个泛化过程，计算关于部分观察数据的条件概率。 提供了一个样本来加载包含多个轨迹数据[t，x]的数据集，其中t是时间值，x是3D中的位置。 然后在 GMM 中对联合概率 p(t,x) 进行编码，GMR 用于检索 p(x|t)，即每个时间步的预期位置。 这用于检索提供的轨迹的平滑广义版本。 源代码是EPFL/CRC Press 出版的“Robot Programming by Demonstration: A Probabilistic Approach”一书中描述的算法的实现