亚洲欧美第一页_禁久久精品乱码_粉嫩av一区二区三区免费野_久草精品视频

蟲蟲首頁| 資源下載| 資源專輯| 精品軟件
登錄| 注冊

RBF-SVM

  • 一個很好用的自適應人工神經網絡模型庫

    一個很好用的自適應人工神經網絡模型庫，包括ADALINE/RBF/多層前向等，另外內含Demo，更易上手

    標簽： 人工神經網絡 模型庫

    上傳時間： 2014-12-22

    上傳用戶：gonuiln

  • 非線性分類

    非線性分類，SVM理論為基礎，調整參數改變分類（聚類的）邊界的松緊程度

    標簽： 非線性 分類

    上傳時間： 2014-01-03

    上傳用戶：llandlu

  • libsvm的參數尋優程序。針對SVR提供full gridsearch方式的參數尋優

    libsvm的參數尋優程序。針對SVR提供full gridsearch方式的參數尋優，主要用于SVM回歸預測

    標簽： gridsearch libsvm full SVR

    上傳時間： 2013-11-30

    上傳用戶：1109003457

  • 統計模式識別算法包

    統計模式識別算法包，包括線性分類算法，SVM，PCA，LDA，EM，k-means分類等多種常用的模式識別算法。

    標簽： 模式識別 算法

    上傳時間： 2016-11-06

    上傳用戶：stella2015

  • libsvm中文說明書

    libsvm中文說明書，關于流行的SVM軟件libsvm的詳細說明，有助于大家的閱讀理解。

    標簽： libsvm 說明書

    上傳時間： 2013-12-10

    上傳用戶：asddsd

  • 線性神經網絡

    線性神經網絡，BP神經網絡，Hopfield神經網格，Elman神經網絡，RBF神經網絡；在模型應用模塊中實現了六種實際應用：RBF網絡的船用柴油機故障診斷，BP網絡的齒輪箱故障診斷，SOM網絡的回熱系統故障診斷，BP網絡的設備狀態分類器，SOM網絡的人口比例樣本分類，SOM網絡的土壤性狀樣本分類。

    標簽： 線性 神經網絡

    上傳時間： 2013-12-27

    上傳用戶：vodssv

  • 針對實際對象數學模型不明確而難以控制的問題,采用人工免疫網絡的離散模 型與學習算法,將人工免疫系統與神經網絡結構的優勢相結合,提出了一種基于人工免疫 網絡的模式識別算法,構造了對象識別的人工免疫網

    針對實際對象數學模型不明確而難以控制的問題,采用人工免疫網絡的離散模 型與學習算法,將人工免疫系統與神經網絡結構的優勢相結合,提出了一種基于人工免疫 網絡的模式識別算法,構造了對象識別的人工免疫網絡模型.該算法綜合了網絡節點的定 位與參數調整以及對基函數的平滑因子實施調諧等功能,有效地解決了徑向基函數 (RBF)神經網絡模式識別的兩個階段任務,使模式識別的精度有較大的改進.采用兩個不 同對象函數進行的仿真試驗表明,該算法具有快速收斂性與較高的準確性.

    標簽： 人工免疫 對象 人工免疫網絡 學習算法

    上傳時間： 2016-11-21

    上傳用戶：遠遠ssad

  • 人工智能 智能問題的很重要一點就是學習問題。如果解決了學習

    人工智能 智能問題的很重要一點就是學習問題。如果解決了學習，計算機將在很大程度上 具有人的智能。博奕問題是最典型的智能問題，如果評價函數能夠很好的學習， 并且是一種自學習，或許意味著學習問題的突破。當然，模式識別中的分界面是 需要學習的，特征恐怕也是需要學習的。SVM是學習的有益探索，不過還需要更完 備的學習理論。 我們現有的數學知識能夠解決什么樣的問題。當今的數學都是基于集合論的，然而 集合是不能自己產生新的東西的。因此發明到底是發明還是發現，或者說是集合外 還是集合內？當然這又和世界是確定的還是不確定的聯系起來了。如果世界本質是 集合內的，智能就是發現；反之，智能就是創造。誰能給出證明。 人們往往說計算機沒有情感。什么是情感？怎么用數學來描述情感？我想情感是和 美、丑聯系起來的，因此首先需要對美進行數學的描述，就象對信息進行描述一樣。 人們曾經辯論過美是客觀的還是主觀的，我想大家比較公認美有其客觀載體吧。這 都需要數學的描述。

    標簽： 人工智能

    上傳時間： 2014-11-07

    上傳用戶：youke111

  • 基于稀疏網絡的精選機器學習模型

    基于稀疏網絡的精選機器學習模型，相比SVM有更快和更精確的學習效果。

    標簽： 稀疏 機器學習 模型 網絡

    上傳時間： 2013-12-30

    上傳用戶：cc1

  • These instances, whenmapped to an N-dimensional space, represent a core set that can be used to con

    These instances, whenmapped to an N-dimensional space, represent a core set that can be used to construct an approximation to theminimumenclosing ball. Solving the SVMlearning problem on these core sets can produce a good approximation solution in very fast speed. For example, the core-vector machine [81] thus produced can learn an SVM for millions of data in seconds.

    標簽： N-dimensional whenmapped instances represent

    上傳時間： 2016-11-23

    上傳用戶：lixinxiang

主站蜘蛛池模板： 南阳市| 抚远县| 山丹县| 灵石县| 商洛市| 红桥区| 佛教| 河东区| 甘德县| 德州市| 建阳市| 平利县| 湘西| 隆子县| 桐乡市| 汉川市| 弥渡县| 嵊泗县| 韶山市| 澎湖县| 扎兰屯市| 化州市| 修武县| 和龙市| 甘洛县| 大冶市| 大关县| 津南区| 石棉县| 城市| 富源县| 徐汇区| 邛崃市| 霍山县| 深泽县| 怀来县| 九台市| 上蔡县| 安多县| 昭苏县| 四子王旗|