matlab精度检验代码-ssgpr:批量和增量稀疏谱高斯回归

上传者: 38629362 | 上传时间: 2022-12-31 10:17:30 | 文件大小: 18KB | 文件类型: ZIP
matlab精度检验代码特殊目的 该库实现了批处理和增量稀疏频谱高斯回归处理(SSGPR)。 批处理算法的详细说明可以在以下位置找到: 稀疏谱高斯过程回归。 Miguel Lazaro-Gredilla,Joaquin Quinonero-Candela,Carl Edward Rasmussen和Anibal R. Figueiras-Vidal。 在《机器学习研究杂志》(Journal of Machine Learning Research)中,2010年。 增量变式在以下内容中进行了描述: 使用增量稀疏谱高斯过程回归进行实时模型学习。 Arjan Gijsberts和Giorgio Metta。 在《神经网络》第41卷中,2013年。 安装 下载后,您可以通过程序包管理器安装ssgpr pip3 install . 或者如果不是直接通过setup.py使用的选项 python3 setup.py install --user 这两个命令都需要在基本目录中执行。 另外,您将需要numpy , scipy和一个编译器。 这些脚本似乎可以在Python 2上安装并正常运行,但实际上并

文件下载

资源详情

[{"title":"( 10 个子文件 18KB ) matlab精度检验代码-ssgpr:批量和增量稀疏谱高斯回归","children":[{"title":"ssgpr-main","children":[{"title":"tests","children":[{"title":"test_chollrup.py <span style='color:#111;'> 1.74KB </span>","children":null,"spread":false},{"title":"test_ssgpr.py <span style='color:#111;'> 2.68KB </span>","children":null,"spread":false}],"spread":true},{"title":"LICENSE <span style='color:#111;'> 273B </span>","children":null,"spread":false},{"title":"examples","children":[{"title":"tune.py <span style='color:#111;'> 12.82KB </span>","children":null,"spread":false},{"title":"minimal.py <span style='color:#111;'> 893B </span>","children":null,"spread":false}],"spread":true},{"title":"ssgpr","children":[{"title":"__init__.py <span style='color:#111;'> 134B </span>","children":null,"spread":false},{"title":"ssgpr.py <span style='color:#111;'> 18.00KB </span>","children":null,"spread":false},{"title":"chollrup.c <span style='color:#111;'> 8.47KB </span>","children":null,"spread":false}],"spread":true},{"title":"setup.py <span style='color:#111;'> 683B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 4.25KB </span>","children":null,"spread":false}],"spread":true}],"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