Multifidelity-GP:多保真高斯过程-源码

上传者: 42112658 | 上传时间: 2021-08-25 20:53:40 | 文件大小: 921KB | 文件类型: ZIP
MFGP 关于 多保真高斯过程 这是一个基于高斯过程回归和非线性自回归方案的概率框架,能够学习变量保真度模型之间复杂的非线性和空间相关互相关,并且可以有效地防止提供错误趋势的低保真模型。 此处显示了常规高斯过程方法与多保真高斯过程方法之间的回归结果比较。 此处重新实现的代码基于以下论文中的想法: P. Perdikaris、M. Raissi、A. Damianou、N. Lawrence 和 GE Karniadakis,“用于数据高效多保真建模的非线性信息融合算法”, Proc。 R. Soc。 A ,卷。 473,没有。 2198,第。 20160751, 2017。 用法 参见run.sh 。 python run.py test2.toml 依赖项: Autograd: : Scipy: :

文件下载

资源详情

[{"title":"( 13 个子文件 921KB ) Multifidelity-GP:多保真高斯过程-源码","children":[{"title":"Multifidelity-GP-master","children":[{"title":"run.py <span style='color:#111;'> 1.77KB </span>","children":null,"spread":false},{"title":"get_dataset.py <span style='color:#111;'> 1.53KB </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 34.33KB </span>","children":null,"spread":false},{"title":"GP.py <span style='color:#111;'> 5.51KB </span>","children":null,"spread":false},{"title":"paper","children":[{"title":"NARGP.pdf <span style='color:#111;'> 1.11MB </span>","children":null,"spread":false}],"spread":true},{"title":"test2.toml <span style='color:#111;'> 65B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.13KB </span>","children":null,"spread":false},{"title":"run.sh <span style='color:#111;'> 51B </span>","children":null,"spread":false},{"title":"util.py <span style='color:#111;'> 2.96KB </span>","children":null,"spread":false},{"title":"figures","children":[{"title":"test1.png <span style='color:#111;'> 61.51KB </span>","children":null,"spread":false},{"title":"test2.png <span style='color:#111;'> 29.15KB </span>","children":null,"spread":false}],"spread":true},{"title":"test1.toml <span style='color:#111;'> 70B </span>","children":null,"spread":false},{"title":"NAR_GP.py <span style='color:#111;'> 1.87KB </span>","children":null,"spread":false}],"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