RBF神經(jīng)網(wǎng)絡(luò)的混合學(xué)習(xí)法，RBF現(xiàn)在越來越受到大家的青睞
標(biāo)簽： RBF 神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2016-08-16
上傳用戶：851197153
rbf網(wǎng)絡(luò)用于函數(shù)逼近，學(xué)習(xí)次數(shù)少，擬合曲線也較好
標(biāo)簽： rbf 網(wǎng)絡(luò) 函數(shù)
上傳時(shí)間： 2014-01-01
上傳用戶：as275944189
RBF網(wǎng)絡(luò)函數(shù)逼近，樣本100個(gè)，測(cè)試數(shù)據(jù)100個(gè)
標(biāo)簽： RBF 網(wǎng)絡(luò) 函數(shù)
上傳時(shí)間： 2013-11-26
上傳用戶：gengxiaochao
rbf實(shí)現(xiàn)函數(shù)逼近，實(shí)現(xiàn)局部最優(yōu)，經(jīng)過測(cè)試
標(biāo)簽： rbf 函數(shù)
上傳時(shí)間： 2016-08-19
上傳用戶：lingzhichao
在做2維度樣本分類的過程中,若我們能事先畫出訓(xùn)練樣本在空間中的分散情形,這將有助於我們?cè)谠O(shè)定SVM分類器的參數(shù)C的取值範(fàn)圍. 例如:若畫出的訓(xùn)練樣本的散佈較分散,我們可以得知此時(shí)採(cǎi)用的參數(shù)值可以取在較大的範(fàn)圍. 所以本程式也是讓想要畫出資料樣本在平面的散佈情形者之一各可行工具.
標(biāo)簽： SVM 分 分散
上傳用戶：sy_jiadeyi
svm的smo C++算法(更新2006-11-21)
標(biāo)簽： 2006 svm smo 11
上傳時(shí)間： 2013-12-06
上傳用戶：xwd2010
介紹RBF的算法,很好,希望大家喜歡.
標(biāo)簽： RBF 算法 家
上傳用戶：tianjinfan
模式識(shí)別,對(duì)iris數(shù)據(jù)進(jìn)行分類,svm算法
標(biāo)簽： iris svm 模式識(shí)別 數(shù)據(jù)
上傳時(shí)間： 2016-08-20
上傳用戶：懶龍1988
libsvm支持向量機(jī)(Support Vector Machine,簡(jiǎn)稱SVM)。
標(biāo)簽： Support Machine libsvm Vector
上傳時(shí)間： 2014-01-07
上傳用戶：ggwz258
RBF網(wǎng)絡(luò)逼近函數(shù)密密麻麻，該源程序能夠無限逼近任意函數(shù),例程中為逼近正弦函數(shù)，誤差非常小。
上傳時(shí)間： 2016-08-25
上傳用戶：磊子226
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
