三峡工程

R包tgp:贝叶斯树高斯过程模型。用非线性高斯跳跃(Gaussian-regulatory,Gaussian-regulations,Gaussian-regulations,Gaussian-regulations,Gaussian-regulations,Gaussian-regulations,Gaussian-regulations,Gaussian-regula。特殊情况还包括贝叶斯线性模型、CART、treed线性模型、静态可分离和各向同性GPs以及GP单指数模型。提供1-d和2-d绘图功能(具有投影和切片功能)和树形图,用于tgp类输出的可视化。支持灵敏度分析和多分辨率模型。文中还提供了顺序实验设计和自适应采样功能,包括ALM、ALC和预期改进。后者支持噪声黑盒函数的无导数优化。


zbMATH参考文献(参考,1标准件)

显示第1到第20个结果,共33个。
按年份排序(引用)
  1. Monterrubio-Gómez,Karla;Roininen,Lassi;Wade,Sara;Damoulas,Theodoros;Girolami,Mark:稀疏分层非平稳模型的后验推理(2020)
  2. 维多利亚州沃洛迪纳;丹尼尔威廉森:使用内核混合物的诊断驱动非平稳仿真器(2020年)
  3. Yang,F.;Lin,C.Devon;Ranjan,P.:通过估计模拟器的多个等高线对响应面进行全局拟合(2020年)
  4. Daniel Turek,Mark Risser:贝叶斯非平稳高斯过程建模:R的BayesNSGP包(2019)阿尔十四
  5. Letham,Benjamin;Karrer,Brian;Ottoni,Guilherme;Bakshy,Eytan:带噪声实验的约束贝叶斯优化(2019)
  6. Liang,Waley W.J.;Lee,Herbert K.H.:基于treed过程卷积的贝叶斯非平稳高斯过程模型(2019)
  7. 麦克拉伦,瑞安G.:不确定性量化和预测计算科学。物理科学家和工程师基金会(2019)
  8. Mickaël Binois和Victor Picheny:GPareto:基于高斯过程的多目标优化和分析的R包(2019)不是zbMATH
  9. Seongil Jo;Taeryon Choi;Beomjo Park;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年)不是zbMATH
  10. Yu,Yang;Zou,Zhihong;Wang,Shanshan;Meyer,Renate:使用Bernstein-Dirichlet过程先验的单指数模型中的连接函数的贝叶斯非参数建模(2019年)
  11. Erickson,Collin B.;Ankenman,Bruce E.;Sanchez,Susan M.:高斯过程建模软件的比较(2018)
  12. Gladish,Daniel W.;Pagendam,Daniel E.;Peeters,Luk J.M.;Kuhnert,Petra M.;Vaze,Jai:仿真引擎:复杂水文模型不确定性的选择和量化(2018年)
  13. Ludkovski,Mike;Risk,Jimmy;Zail,Howard:死亡率和改善因素的高斯过程模型(2018年)
  14. Marmin,Sébastien;Ginbourger,David;Baccou,Jean;Liandrat,Jacques:具有异质变化函数的扭曲高斯过程和基于导数的序列设计(2018)
  15. Eric Schulz;Maarten Speekenbrink;Krause,Andreas:高斯过程回归:建模、探索和利用函数的教程(2018)
  16. 车金星;杨有龙;李,李;白,旭英;张胜虎;邓承志:非线性数据的最大相关最小公余度特征选择(2017)
  17. Hu,Ruimang;Ludkovsk,Mike:响应面排序的顺序设计(2017)
  18. Guhaniyogi,Rajarshi;Dunson,David B.:流形回归的压缩高斯过程(2016)
  19. Kang,Lulu;Joseph,V.Roshan:核近似:从回归到插值(2016)
  20. Robert Gramacy:laGP:R中通过局部近似高斯过程进行大规模空间建模(2016)不是zbMATH