Modeli na podlagi Gaussovih procesov (GP), imenovani tudi GP-modeli, so primer verjetnostnih, jedrnih in regresijskih modelov, ki jih lahko uporabimo tudi za identifikacijo nelinearnih dinamičnih sistemov. Ti modeli imajo nekaj zanimivih lastnosti: napovedi modela vsebujejo informacijo o njihovi negotovosti, relativno majhno število optimizacijskih parametrov in različne možnosti vstavljanja predhodnega znanja. Pristop k modeliranju GP-modelov se skuša izogniti pristranskosti modela s tem, da se ne osredotoči ne en sam model dinamike procesa, ampak z verjetnostnim pristopom zajame razporeditev vseh možnih modelov dinamike procesa, ki lahko tvorijo izmerjeni procesni odziv. V predavanju bomo predstavili okvir za identifikacijo dinamičnih sistemov z GP-modeli, ilustracijo na primeru in pregled možnosti uporabe teh modelov.