Ta上传的资源 (0)

该例程是一个高斯过程在动态系统中的具体综合应用 完全自己码的,不懂的可以直接问我 建议没有基础的同学先阅读我之前的博文和代码 该例程包含了参数优化,一阶系统和二阶系统的对比,最后也是以95%置信度的图像呈现,并且博主不断的改进算法和尝试发现高斯核函数中不同的l相互独立,从而减少了循环嵌套,大大加快了

该例程主要包含constant covariance function以及squared exponential covariance function 比较简单与直观的展现两种核函数以及在不同参数情况下核函数的变化,是静态高斯和动态高斯过程的基础,可供参考 具体的分析讲解请关注我和我的博文

该例程是紧接着笔者之前的一个资源:static gaussian process with identified hyperparameters 的拓展 还是给定kernel function的情况下不同参数对于高斯过程的影响分析 建议下载者先阅读之前的例程 整个代码注释清晰易读 具体的分析讲解请关

该例程包含三个文件夹 主要是高斯过程在动态系统的应用 本例程主要使用了二阶的一个系统结构 三个程序分别代表高斯过程在动态系统中的验证,改变超参数sigman之后的预测分析,以及突然改变输入动态范围时的情况 具体的分析讲解请关注我和我的博文

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

该例程主要针对之前我上传的高斯过程动态系统分析的优化以及不同的实现 感兴趣的同学请关注我和我的博文，会详细介绍原来使用的naive方法和monte carlo方法的差异，该差异也在我的程序中详细呈现 为了引入montecarlo，exact文件夹里先进行了静态系统下单输入输出的montecarlo方