您好,欢迎光临本网站![请登录][注册会员]  

人工智能下载,机器学习下载列表 第796页

« 1 2 ... .91 .92 .93 .94 .95 796.97 .98 .99 .00 .01 ... 2656 »

[机器学习] graphviz-2.38.rar

说明: 最后一个时刻的输出作为表征向量,这样就忽略了其它时刻的输出。 还有定义两个孪生网络的时候,使用了不同的权值,根据Siamese Network的设计,在这里应该是要reuse_variable来共享权值
<weixin_43999465> 上传 | 大小:31mb

[机器学习] 机器人的未来发展:从工业自动化到知识自动化.pdf

说明: 中科院自动化所王飞跃教授关于机器人的未来发展的阐述,深刻了解工业自动化到知识自动化。
<qq_40344790> 上传 | 大小:4mb

[机器学习] Andrew Ng exerxcise-answer.rar

说明: 吴恩达机器学习exercise1-8的答案,高度向量化,matlab算法,比网上很多的python或者循环的matlab算法简洁的多。有问题的可以在评论区留言。
<cjm2016> 上传 | 大小:28mb

[机器学习] ADST_Workshop_2018a-使用MATLAB进行智能驾驶技术开发.pdf

说明: ADST,汽车自动驾驶介绍,MATLAB仿真介绍,上汽自动驾驶学习资料,有需要的自行下载。
<tangtang520512> 上传 | 大小:4mb

[机器学习] BP预测温度模型_2019.10.14.rar

说明: 本文件功能:用BP神经网络预测温湿度。 本次仿真,预测模型为8*8*8*1,输入数据为359天数据(一个小时测一个数据,一天数据为24)。其中350天数据做训练样本,用来训练BP网络模型的权值和阈值,4天用来做测试样本,用来测试3天左右的温湿度预测值。 本次训练效果比较上次仿真较为准确,判定系数可以达到0.8左右(越靠近1表明仿真效果越好),预测值与实际值点状图基本围绕在主对角线左右,MSE平方误差可以达到0.01,BP网络预测输出图也可以看出预测值的变化趋势基本与期望值一致。 本次仿真存在不
<qq_26771783> 上传 | 大小:2mb

[机器学习] deep learning for computer vision with python starter bundle-01.7z

说明: Adrian Rosebrock 在www.pyimagesearch.com/上讲解的deep learning for computer vision with python,希望可以帮助大家学习。
<hhhuua> 上传 | 大小:25mb

[机器学习] 偏最小二乘算法(Partial Least Squares,PLS)的回归应用

说明: 偏最小二乘算法(Partial Least Squares,PLS)是一种常见的多元线性回归算法,MATLAB在R2008a版本已经加入了PLS算法的实现函数。 该代码把偏最小二乘算法(Partial Least Squares,PLS)的回归应用整理为“读取数据-训练模型-数据预测”的形式。
<iqiukp> 上传 | 大小:171kb

[机器学习] 利用WOA算法优化libsvm中SVDD算法的参数

说明: 台湾大学林智仁 (Lin Chih-Jen) 教授等开发设计的 libsvm 工具箱提供了SVDD算法的MATLAB接口,其中两个关键参数 c 和 g 直接影响SVDD的单值分类结果。 该代码通过引入鲸鱼优化算法(Whale Optimization Algorithm,WOA),实现对 libsvm 工具箱中的SVDD算法的参数优化,给出两个实例代码: 1. libsvm 工具箱提供的heart_scale data 2. 工业过程数据 WOA的具体描述可以参考以下文献: (1)Mirjal
<iqiukp> 上传 | 大小:1mb

[机器学习] 利用GPML V4.2工具箱实现高斯过程回归(Gaussian process regression,GPR)的多变量数据预测

说明: 1. 代码主要基于GPML V4.2工具箱实现 2. 提供了两个应用实例(单变量预测和多变量预测) 3. 给出了预测均值和方差的可视化结果
<iqiukp> 上传 | 大小:1mb

[机器学习] 支持向量数据描述(Support Vector Data Description,SVDD)的故障检测(异常检测)程序

说明: 支持向量数据描述(Support Vector Data Descr iption,SVDD)是一种单值分类算法,能够实现目标样本和非目标样本的区分。故障检测(异常检测)实质上是一种单值分类问题,将正常样本和异常样本区分开来。基于 SVDD 的故障检测(异常检测)流程一般为: 1. 获取正常样本数据集。 2. 训练 SVDD 超球体,获取超球体的相关参数(阈值、支持向量等等)。 3. 计算测试样本到超球体的球心距,通过比较球心距和阈值来判断该测试样本是否为异常样本。 代码主要包括: 1. 应用
<iqiukp> 上传 | 大小:354kb

[机器学习] LDA算法漫游指南 v2.0.pdf

说明: 只需要高数基础的入门指南,非常适合小白学习。找了好久才找到的资源。花了30多块钱,只求下载资源的小伙伴给个好评。
<qq_33932451> 上传 | 大小:11mb

[机器学习] adult数据挖掘.zip

说明: adult数据集数据挖掘,基于python语言的决策树算法,包括数据处理与归类整理
<zhw864680355> 上传 | 大小:961kb
« 1 2 ... .91 .92 .93 .94 .95 796.97 .98 .99 .00 .01 ... 2656 »