多任务高斯过程模型 Matlab工具箱 包括多个

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）

function [varargout] = MTGP（hyp inf mean cov lik x y xs ys）
% Gaussian Process inference and prediction. The gp function provides a
% flexible framework for Bayesian inference and prediction with Gaussian
% processes for scalar targets i.e. both regression and binary
% classification. The prior is Gaussian process defined through specification
% of its mean and covariance function. The likelihood function is also
% specified. Both the prior and the likelihood may have hyperparameters
% associated with them.
%
% Two modes are possible: training or prediction: if no test cases are
% supplied then the negative log marginal likelihood and its partial
% derivatives w.r.t. the hyperparameters is computed; this mode is used to fit
% the hyperparameters. If test cases are given then the test set predictive
% probabilities are returned. Usage:
%
%   training: [nlZ dnlZ          ] = gp（hyp inf mean cov lik x y）;
% prediction: [ymu ys2 fmu fs2   ] = gp（hyp inf mean cov lik x y xs）;
%         or: [ymu ys2 fmu fs2 lp] = gp（hyp inf mean cov lik x y xs ys）;
%
% where:
%
%   hyp      column vector of hyperparameters
%   inf      function specifying the inference method 
%   cov      prior covariance function （see below）
%   mean     prior mean function
%   lik      likelihood function
%   x        n by D matrix of training inputs
%   y        column vector of length n of training targets
%   xs       ns by D matrix of test inputs
%   ys       column vector of length nn of test targets
%
%   nlZ      returned value of the negative log marginal likelihood
%   dnlZ     column vector of partial derivatives of the negative
%               log marginal likelihood w.r.t. each hyperparameter
%   ymu      column vector （of length ns） of predictive output means
%   ys2      column vector （of length ns） of predictive output variances
%   fmu      column vector （of length ns） of predictive latent means
%   fs2      column vector （of length ns） of predictive latent variances
%   lp       column vector （of length ns） of log predictive probabilities
%
%   post     struct representation of the （approximate） posterior
%            3rd output in training mode or 6th output in prediction mode
%            can be reused in prediction mode gp（.. cov lik x post xs..）
% 
% See also covFunctions.m infMethods.m likFunctions.m meanFunctions.m.
%
% Copyright （c） by Carl Edward Rasmussen and Hannes Nickisch 2013-01-21
if nargin<7 || nargin>9
  disp（‘Usage: [nlZ dnlZ          ] = gp（hyp inf mean cov lik x y）;‘）
  disp（‘   or: [ymu ys2 fmu fs2   ] = gp（hyp inf mean cov lik x y xs）;‘）
  disp（‘   or: [ymu ys2 fmu fs2 lp] = gp（hyp inf mean cov lik x y xs ys）;‘）
  return
end

if isempty（mean） mean = {@meanZero}; end                     % set default mean
if ischar（mean） || isa（mean ‘function_handle‘） mean = {mean}; end  % make cell
if isempty（cov） error（‘Covariance function cannot be empty‘）; end  % no default
if ischar（cov）  ||

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2014-03-28 05:01  MTGP v1.4\cov\
     文件         258  2014-02-12 17:16  MTGP v1.4\cov\corr_2d.m
     文件         142  2014-02-12 17:16  MTGP v1.4\cov\corr_nd.m
     文件        2796  2014-03-09 11:13  MTGP v1.4\cov\MTGP_covCC_chol_nD.m
     文件        3568  2014-03-09 11:15  MTGP v1.4\cov\MTGP_covCC_chol_nD_mask.m
     文件        2329  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covMaterniso.m
     文件        2250  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covMaternisoU.m
     文件        3274  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covMaternisoU_shift.m
     文件        3954  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covMaternisoU_shift_mask.m
     文件        1963  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covNoise.m
     文件        1860  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covPeriodiciso.m
     文件        1816  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covPeriodicisoU.m
     文件        1783  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covPeriodicisoUU.m
     文件        2857  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covPeriodicisoUU_shift.m
     文件        3538  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covPeriodicisoUU_shift_mask.m
     文件        2415  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covProd.m
     文件        4150  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covQPMisoUU_shift.m
     文件        4784  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covQPMisoUU_shift_mask.m
     文件        3571  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covQPSisoUU_shift.m
     文件        4249  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covQPSisoUU_shift_mask.m
     文件        2149  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covRQiso.m
     文件        1984  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covRQisoU.m
     文件        4302  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covSEconU.m
     文件        1882  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covSEiso.m
     文件        1765  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covSEisoU.m
     文件        2870  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covSEisoU_shift.m
     文件        3554  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covSEisoU_shift_mask.m
     文件        3388  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covSEisoU_shift_nD.m
     文件        2162  2014-02-12 17:16  MTGP v1.4\cov\MTGP_covSum.m
     目录           0  2014-03-28 04:59  MTGP v1.4\example\
     目录           0  2014-03-28 05:02  MTGP v1.4\example\convolution\
............此处省略48个文件信息