利用GPML V4.2工具箱实现高斯过程回归(Gaussian process regression,GPR)的多变量数据预测

上传者: iqiukp | 上传时间: 2020-03-13 03:06:02 | 文件大小: 1.73MB | 文件类型: zip
1. 代码主要基于GPML V4.2工具箱实现 2. 提供了两个应用实例(单变量预测和多变量预测) 3. 给出了预测均值和方差的可视化结果

文件下载

资源详情

[{"title":"( 278 个子文件 1.73MB ) 利用GPML V4.2工具箱实现高斯过程回归(Gaussian process regression,GPR)的多变量数据预测","children":[{"title":"data_2.mat <span style='color:#111;'> 4.55KB </span>","children":null,"spread":false},{"title":"data_1.mat <span style='color:#111;'> 168.90KB </span>","children":null,"spread":false},{"title":"meanFunctions.m <span style='color:#111;'> 2.41KB </span>","children":null,"spread":false},{"title":"likFunctions.m <span style='color:#111;'> 4.26KB </span>","children":null,"spread":false},{"title":"startup.m <span style='color:#111;'> 583B </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多,未全部展示</span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明