weixin_43612121的博客

MPT是一个基于Matlab的开源工具箱，用于参数优化，计算几何和模型预测控制。 该版本是MPT3.2.1 2019年最新更新稳定版。附带帮助文档与多个例子。

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 （包括多个例子）

高斯-勒让德积分（Gauss-legendre积分）matlab程序 可直接在函数名前设置输出为 [x,w]= 其中x为积分点，w为权重

高斯-拉盖尔积分（Gauss-laguerre积分）matlab程序 可直接在函数名前设置输出为 [x,w]= 其中x为积分点，w为权重

高斯-埃尔米特积分（Gauss-Hermite积分）matlab程序 可直接在函数名前设置输出为 [x,w]= 其中x为积分点，w为权重

数学函数手册 原名：Handbook of Mathematical Functions: with Formulas, Graphs, and Mathematical Tables 共上千页的数学函数整理

斯图加特大学稀疏网格插值工具箱（内含帮助文档，包含多个例子），原理解释清晰可靠 稀疏网格插值的插值问题是一个最优恢复问题（即选择点，使光滑的多变量函数能够与合适的插值公式相匹配）。根据插值函数的特点（平滑度、周期性），存在基于稀疏网格的各种插值技术。它们都采用了smolyak的结构，这构成了所有稀疏网格方法的基础。利用Smolyak著名的方法，利用张量积，将已知的单变量插值公式推广到多变量情形。因此，我们得到了一种强大的插值方法，它比传统的全网格插值方法需要更少的支持节点。以预先定义的方式选择包含多维度稀疏网格的点。随着问题维数的增加，所需点数的差异可以是几个数量级。该方法最重要的特点是，随着网格分辨率的提高，全网格插值的渐近误差衰减保持在对数因子以内。该方法的另一个优点是它的层次结构，可以用来估计当前的近似误差。因此，可以很容易地开发出一种插值算法，当达到所需的精度时，该算法会自动中止。

P.C. Hansen 正则化matlab工具箱 内含多种正则化工具，包括L曲线，tikhonov函数等近50多项工具，全面易用。

用高斯过程实现贝叶斯分类中描述的拉普拉斯近似，用于二元和多类分类。

该软件支持基于神经网络和高斯过程的贝叶斯回归和分类模型，以及使用混合模型和Dirichlet扩散树的贝叶斯密度估计和聚类。 它还支持各种马尔可夫链采样方法，这些方法可以应用于由简单公式指定的分布，包括由先验和可能性的公式定义的简单贝叶斯模型 tar存档包含完整的超文本文档，因此您可以将其设置为从本地计算机读取

DIRECT 算法是由 Jones 等人提出的一种确定性全局优化算法特别适用于具有确定变量空间的函数寻优。 DIRECT 优化算法 matlab程序 特点： 1、附带帮助文档，原理解释清晰可靠 2、该算法全局改进带约束