【文件属性】：
文件名称：matlab如何敲代码-PyGPML:高斯过程回归码
文件大小：37KB
文件格式：ZIP
更新时间：2021-05-23 08:24:29
系统开源
matlab如何敲代码PyGPML
Carl
Rasmussen和Hannes
Nickisch的Python版本，用于高斯过程。
他们的代码可以在这里找到：
到目前为止，此仓库正在从上方实现原始MATLAB代码的一小部分。
它主要用高斯噪声实现高斯过程，从而使最大似然积分可以精确地解析解决。
相应的功能在inferences.py中给出。
有一些标准的内置内核，但是此代码还实现了Andrew
G.
Wilson和Ryan
P.Adams在以下参考文献中给出的用于模式识别的光谱混合（SM）内核（此代码的原始动机）。
：
[1]
[2]
此处提供了此工作的资源页面：
简而言之，它使用混合了高斯的协方差核函数来实现典型的高斯过程：
k（t）=
sum_
{q
=
1}
^
Q
w_q
prod_
{p
=
1}
^
P
exp（-2pi
^
2
t_p
^
2
v_
{p，q}
^
2）cos（2pi
t_p
m_
{p，q}
）
其中t
=
x-x'，q
=混合物中Q个高斯中的第i个，p
=
P个维度中的第j个，w
=第q个高斯混合物的权重，v2
=
v
^
2
=
std。
偏差，m
【文件预览】：
PyGPML-master
----gaussian_process.py(9KB)
----likelihoods.py(1KB)
----__init__.py(0B)
----examples()
--------testshorestation.py(3KB)
--------testsin_customkernel.py(5KB)
--------testairline2d.py(3KB)
--------testCO2.py(4KB)
--------__init__.py(0B)
--------addpath.py(295B)
--------testairline.py(4KB)
--------data()
--------testsin.py(3KB)
----README.md(3KB)
----kernels.py(4KB)
----testing()
--------test_core.py(1KB)
--------test_gp.py(10KB)
--------test_kernels.py(6KB)
--------addpath.py(299B)
----inferences.py(1KB)
----core.py(5KB)
----means.py(234B)
----.gitignore(343B)