注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. EM算法已经在高斯混合模型参数估计中的应用

  2. 本文详细介绍了EM算法的步骤 分析，以及应用与高斯混合模型和隐马尔可夫过程参数估计的详细过程，英文版

  3. 所属分类：其它

    • 发布日期：2011-07-01
    • 文件大小：306176
    • 提供者：dragonfly_2003

  1. 高斯混合模型

  2. 高斯混合模型相关资料 包括极大似然估计求解完全推导过程 包括EM求解的完全推导过程 深入浅出 很快就能入门了

  3. 所属分类：专业指导

    • 发布日期：2012-03-30
    • 文件大小：652288
    • 提供者：crzy_sparrow

  1. 基于高斯过程回归的翼型快速设计研究

  2. 为了充分利用工程中已经积累的气动数据，本论文首次提出在大的翼型设计范围内使用机 器学习的方法研究翼型外形和气动性能的对应关系，并首次在NACA四位数字翼型基础上使用高 斯过程回归模型模拟这种对应关系，以达到快速进行翼型设计的目的。在翼型气动性能评估过 程中，使用翼型外形与气动性能数据训练高斯过程回归模型，以预测新翼型的气动性能。针对 单输出高斯过程回归中超参数优化初始值难以确定的问题，本论文首次提出根据训练数据估计 超参数优化初始值的方法。在翼型反设计过程中，使用压力分布和外形数据训练高斯过程

  3. 所属分类：专业指导

    • 发布日期：2014-04-02
    • 文件大小：385
    • 提供者：zhuyixian911

  1. 高斯过程推理

  2. 本文档详尽推导了高斯过程模型公式！希望对大家有帮助

  3. 所属分类：专业指导

    • 发布日期：2014-12-28
    • 文件大小：21504
    • 提供者：dhk000

  1. 高斯过程在机器学习中的应用.doc

  2. 高斯过程是近年来发展起来的一种新的机器学习方法，它有着严格的统计学习理论基础，对处理高维数非线性小样本复杂问题具有良好的适应性。对列车精准停车问题的这种复杂的非线性问题，将高斯过程机器学习方法应用于此问题，并提出相应的模型 ，减少数据间复杂的内在物理或其他关系。很多工程实例研究表明，高斯过程机器学习模型是科学可行的，预测精度高，简单实用，对很多问题问题具有较好的适用性。

  3. 所属分类：其它

    • 发布日期：2015-06-04
    • 文件大小：199680
    • 提供者：lrz2eve

  1. 贝叶斯基础回顾重点在于高斯过程模型

  2. 主要是整理了高斯过程模型的原理和推导过程

  3. 所属分类：讲义

    • 发布日期：2017-01-04
    • 文件大小：4194304
    • 提供者：u013402630

  1. 高斯过程隐变量模型-运动捕捉MOCAP

  2. 本程序为Neil Lawrennd搭建的层级高斯过程隐变量模型用于运动数据的重构，同时能够在隐空间中实现走跑运动的拼接 上传原因主要是Neil Lawrennd在github上公布的代码直接跑是跑不通的，需要修改很多函数 本代码可直接运行demHighFilve1查看对两个人的运动的GP建模 而在demWalkRun1中实现了走跑的运动建模，而且隐空间与对应的运动可视空间具有交互式操作 The HGPLVM toolbox is a toolbox for hierarchical visua

  3. 所属分类：机器学习

    • 发布日期：2017-08-02
    • 文件大小：60817408
    • 提供者：zb1165048017

  1. matlab 高斯过程回归模型 matlab Gaussian process regression model

  2. 高斯过程回归及分类的代码，内容全，有实例，注释清晰。包括分类系列和预测回归系列，值得感兴趣的同学学习借鉴。里面有对应的数据和demo程序，程序可运行，MATLAB2014a下测试通过，其他版本没有测试。

  3. 所属分类：专业指导

    • 发布日期：2017-08-16
    • 文件大小：852992
    • 提供者：lingyu666hapy

  1. 高斯过程回归_GPR

  2. 高斯过程模型回归的预测方法的Matlab实现，可以很好地进行模型预测

  3. 所属分类：计算广告

    • 发布日期：2018-03-12
    • 文件大小：5120
    • 提供者：xymdsg

  1. 高斯过程根据观测数据重建暗能量

  2. 在本文中，我们使用高斯过程分析方法研究暗能量状态方程，而不必限制特定的参数化。 通过采用包括超新星和哈勃参数在内的背景数据以及来自增长率的摄动数据来进行重建。 这表明背景和摄动数据都呈现出动态暗能量的暗示。 但是，扰动数据具有更大的潜力，可以区分包括宇宙常数模型在内的非演化暗能量。 我们还测试了一些参数对重建的影响。 我们发现，物质密度参数$$ \ Omega _ {m0} $$Ωm0对背景数据重建影响不大，但对扰动数据重建影响显着。 而哈勃常数对背景数据的重建产生了重大影响。

  3. 所属分类：其它

    • 发布日期：2020-04-24
    • 文件大小：1048576
    • 提供者：weixin_38607554

  1. 使用高斯过程的强引力透镜进行的宇宙学测试

  2. 强重力透镜可提供在宇宙学测试中有用的光源/透镜距离比Dobs。 以前，在标准模型ΛCDM和Rh = ct宇宙之间进行一对一比较时，使用了69个此类系统的目录，迄今为止，模型选择工具已在许多其他类型中得到了广泛应用 数据的。 但是，在这项工作中，部分地由于测量精度有限，无法使用模型参数拟合观测值来轻易区分这两种宇宙学。 在这里，我们改为使用基于高斯过程（GP）的最新开发的方法，其中可以直接从数据中重建Dob，而无需采用任何参数形式。 这种方法不仅使表示数据的重构函数变得平滑，而且减小了1σ置信区域

  3. 所属分类：其它

    • 发布日期：2020-03-31
    • 文件大小：573440
    • 提供者：weixin_38715721

  1. 基于高斯过程方法的结构有限元模型修正研究

  2. 基于高斯过程方法的结构有限元模型修正研究，万华平，任伟新，针对目前常用的基于灵敏度方法的有限元模型修正存在建立灵敏度矩阵困难、迭代计算量大、甚至有时无法得到全局最优解等缺点，基于

  3. 所属分类：其它

    • 发布日期：2020-02-29
    • 文件大小：347136
    • 提供者：weixin_38746442

  1. 多任务高斯过程模型 Matlab工具箱 （包括多个例子）

  2. 高斯过程(GP)模型是非参数贝叶斯回归的一种灵活方法。然而，在大数据中使用GP模型的大多数现有工作都是为单变量输出时间序列定义的，称为单任务GPs (single-task GPs, STGP)。在此，利用GPs同时对多个相关单变量生理时间序列进行建模。由此产生的多任务GP (MTGP)框架可以学习多个信号之间的相关性，即使它们可能以不同的频率采样，并具有针对不同间隔的训练集。MTGPs可有效地学习了生理时间序列之间的相关性，从而提高了建模精度。 多任务高斯过程模型 Matlab工具箱 （包括多

  3. 所属分类：机器学习

    • 发布日期：2019-09-02
    • 文件大小：4194304
    • 提供者：weixin_43612121

  1. Python-GPyTorch是一个使用PyTorch实现的高斯过程库

  2. 它设计用于轻松创建灵活和模块化的高斯过程模型

  3. 所属分类：其它

    • 发布日期：2019-08-10
    • 文件大小：1048576
    • 提供者：weixin_39841848

  1. 基于半监督学习的高斯过程微波天线谐振频率建模

  2. 为了优化电磁设备的设计，从包括HFSS，CST和IE3D的全波电磁仿真软件中获取训练样本是最耗时的。 传统的机器学习方法通​​常仅使用标记的样本或未标记的样本，但是在实际问题中，标记的样本和未标记的样本并存，标记样本的获取成本相对较高。 本文提出了一种半监督学习高斯过程（GP），该方法结合了未标记的样本以提高GP模型的准确性并减少所需的标记训练样本的数量。 提出的GP模型包括两个部分：初始训练和自我训练。 在初始训练过程中，通过全波电磁模拟获得的少量标记样本用于训练初始GP模型。 然后，将经过训

  3. 所属分类：其它

    • 发布日期：2020-06-23
    • 文件大小：980992
    • 提供者：weixin_38716460

  1. 高斯混合模型

  2. 高斯混合模型相关资料 包括极大似然估计求解完全推导过程 包括EM求解的完全推导过程 深入浅出 很快就能入门了 高斯混合模型相关资料 包括极大似然估计求解完全推导过程 包括EM求解的完全推导过程 深入浅出 很快就能入门了

  3. 所属分类：专业指导

    • 发布日期：2020-08-26
    • 文件大小：653312
    • 提供者：rogerjunli

  1. 利用高斯过程回归建立软测量模型，主程序名为OnlineStage.m,包含数据，可以直接运行，亲测可用.rar

  2. 利用高斯过程回归建立软测量模型，主程序名为OnlineStage.m,包含数据，可以直接运行，亲测可用。

  3. 所属分类：机器学习

    • 发布日期：2020-09-14
    • 文件大小：164864
    • 提供者：qq_26330425

  1. latent-gaussian-process-priors:论文“具有潜在高斯过程先验的Raven渐进矩阵完成”的代码-源码

  2. 具有潜在高斯过程先验（LGPP）的Raven渐进矩阵完成 这是论文“具有潜在高斯过程先验的Raven渐进矩阵完成”的代码。 依存关系 PyTorch == 1.4 pyyaml == 5.3 枕头== 7.0.0 numpy的= = 1.18.1 六个== 1.14.0 Python版本3.7.6 数据集 构建面和圆数据集： ./build_datasets.sh 训练 特定数据集的训练模型（例如，具有5000个训练样本的三角形实例化多边形数据集） python train.py

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：33792
    • 提供者：weixin_42104181

  1. 空间约束半监督高斯过程下的高光谱图像分类

  2. 针对高光谱遥感图像分类中带标记训练样本较少、导致分类正确率偏低的问题,提出用于高光谱图像分类的空间约束半监督高斯过程方法.由于高光谱图像的特征空间满足流形分布假设,大量未标记样本可以使数据空间变得更加稠密,从而有助于更加准确地刻画局部空间特性,提高分类的精度和普适性.通过对高斯过程模型中的核函数施加空间近邻约束,建立未标记样本与带标记样本之间的空间联系.该半监督高斯过程分类器不仅可以提升高光谱遥感图像的分类性能,而且构造简单,实现方便.实验结果表明,在仅有少量带标记的训练样本情况下,半监督高斯过

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：446464
    • 提供者：weixin_38699724

  1. GPflow：TensorFlow中的高斯过程-源码

  2. | | | GPflow是一个使用在Python中构建高斯过程模型的软件包。 它最初由和。 现在由 ， ， ， ， ， ， 和积极维护（按字母顺序）。 没有社区，GPflow将会不同。 我们感谢帮助塑造GPflow的贡献者。 GPflow是一个开源项目。 如果您具有相关技能并且有兴趣贡献力量，请与我们联系（请参阅下面的）。 GPflow会做什么？ GPflow为可组合内核和可能性实现了现代高斯过程推理。 / 包含更多详细信息。 GPflow 2.0使用来运行计算，从而可以

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：11534336
    • 提供者：weixin_42133861
« 12 3 4 5 6 7 8 9 10 ... 21 »