em算法matlab代码GP-SSM
高斯过程状态空间模型
介绍
这个Matlab工具箱实现了基于高斯过程学习（即识别）非线性动力学系统的状态空间模型的算法。
提议的方法有一些优点：
用户无需给出系统动力学的参数形式。
通过选择协方差函数来介绍关于动力学函数的平滑度的假设（请参阅Rasmussen和Williams的第4章，高斯机器学习过程，2006年）。
模型的复杂度和拟合度会自动进行权衡。
模型预测上的误差棒捕获由于数据稀缺或模棱两可而引起的不确定性。
特别是，此工具箱实现了以下两篇论文的算法：
[1]
R.
Frigola，F。Lindsten，TBSchön和CE
Rasmussen。
使用粒子MCMC的高斯过程状态空间模型中的贝叶斯推理和学习，神经信息处理系统（NIPS），2013年。
[2]
R.
Frigola，F。Lindsten，TBSchön和CE
Rasmussen。
使用粒子随机近似EM识别高斯过程状态空间模型，2013年，已提交。
第一步
重要信息：
GP-SSM代码需要机器学习的高斯过程（GPML）工具箱，该工具箱可在此处免费提供：
您需要运行两个不同的st
