GPstuff公司

GPstuff工具箱是用于推理的高斯过程模型和计算工具的通用集合。这些工具包括各种推理方法、稀疏近似和模型评估方法。更新的版本(或者至少可以在gpr27.7中使用)也可以使用。大多数功能也可以用于Octave(3.6.4或更高版本,有关详细信息,请参阅发行说明)。大部分代码是用m文件编写的,但一些计算上最关键的部分是用C编写的。


zbMATH中的参考文献(参考文献23条)

显示第1到第20个结果,共23个。
按年份排序(引用)
  1. 高开封;梅,刚;皮切利,弗朗西斯科;库莫,萨尔瓦托;屠京之;霍泽南:机器学习中的Julia语言:算法、应用和开放问题(2020)
  2. 罗德里格斯,塞尔吉奥;Ludkovski,Michael:空间元模型的概率二分法(2020)
  3. 索林,阿诺;Särkkä,Simo:降阶高斯过程回归的Hilbert空间方法(2020)
  4. 瓦哈塔洛,雅诺;哈特曼,马塞洛;Verianta,Lari:基于异质数据的联合物种分布建模的加性多元高斯过程(2020)
  5. 哈特曼,马塞洛;Student-Lapastic回归(2019)和Vancelas回归(非高斯过程)的异方差回归(2019)
  6. 马尔科,马尔科;古特曼,迈克尔·U。;普莱斯卡,阿里朱斯;阿基州维塔里;Marttinen,Pekka:基于模型的近似贝叶斯计算的有效获取规则(2019)
  7. 宋吉珠;崔泰良;贝姆霍公园;Peter Lenk:bsamGP:使用高斯过程先验的贝叶斯光谱分析模型的R包(2019)不是zbMATH
  8. 赛斯,索罕;莫里亚因;Williams,Christopher K.I.:潜在空间中的模型批评(2019)
  9. Gómez Rubio,维吉尼奥;Rue,Håvard:Markov链蒙特卡罗积分嵌套拉普拉斯近似(2018)
  10. 马尔科,马尔科;古特曼,迈克尔·U。;阿基州维塔里;Marttinen,Pekka:估计细菌水平基因转移的近似贝叶斯计算中的高斯过程建模(2018)
  11. Linero,Antonio R.:用于高维预测和变量选择的贝叶斯回归树(2018)
  12. 彼得斯,马库斯;萨尔茨琴斯基,梅塔尔;凯特,沃尔夫冈;威廉森,西内德A。;格罗特,佩里;Heskes,Tom:自主决策的可伸缩偏好模型(2018)
  13. 舒尔茨,埃里克;马尔滕斯佩肯布里克;Krause,Andreas:高斯过程回归教程:建模、探索和利用函数(2018)
  14. 安德烈,阿德霍尔德;哈斯梅尔,德克;Grzegorczyk,Marco:半机械模型中的近似贝叶斯推理(2017)
  15. 马修斯,亚历山大·G·德·G。;范德威尔克,马克;尼克森,汤姆;藤井敬介;布考瓦拉,亚历克西斯;巴勃罗,莱昂维拉格拉;加哈拉马尼,祖宾;Hensman,James:GPflow:使用TensorFlow的高斯过程库(2017)
  16. 李龙海;邱,石;张北;Feng,Cindy X.:集成IS和WAIC的贝叶斯潜在变量模型中的近似交叉验证预测评估(2016)
  17. Terrance Savitsky:R中时间指数函数数据的贝叶斯非参数混合估计(2016)不是zbMATH
  18. Mononen,Tommi:广泛适用的贝叶斯信息准则及其最优性的案例研究(2015)
  19. 纽曼,马里恩;黄山;马尔塔勒,丹尼尔E。;Kersting,Kristian:pyGPs——用于高斯过程回归和分类的Python库(2015)
  20. 杨旭峰;刘永寿;张义尚;岳竹峰:随机变量和概率箱变量的混合可靠性分析(2015)