注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. blossom5-v1

  2. 本代码执行Edmonds algorithm来进行最小代价函数，实现图形最佳匹配。参考文献："Blossom V: A new implementation of a minimum cost perfect matching algorithm."Vladimir Kolmogorov.

  3. 所属分类：C/C++

    • 发布日期：2008-11-11
    • 文件大小：59kb
    • 提供者：visionstory

  1. 基于DSP的最优小波包基算法的实现

  2. 为了能在DSP嵌入式设备中应用小波包分析方法进行信号处理,首先讨论小波包分解的过程和最优基及代价函数的选择方法,然后提出一种在DSP上实现香农熵代价函数的小波包分解算法的方法,并在浮点型DSP TMS320C6713B上实现了此算法。最后针对具体的数字信号进行小波包分解和最优基选择的实验,实验结果证明了该方法的正确性和高效性。

  3. 所属分类：硬件开发

    • 发布日期：2009-04-22
    • 文件大小：841kb
    • 提供者：dengxa1

  1. 交叉熵代价函数解决缓慢学习问题的推导

  2. ================================================== 交叉熵代价函数解决缓慢学习问题的推导。 本文适用于Neural networks and machine learning 的学习。 ==================================================

  3. 所属分类：深度学习

    • 发布日期：2018-04-04
    • 文件大小：216kb
    • 提供者：qq_34103961

  1. 基于混沌的Hash函数的安全性分析

  2. 摘 要 随着现代密码学的发展，Hash 函数算法越来越占有重要的地位。针对基于耦合映像格子的并行 Hash 函数算法和带密钥的基于动态查找表的串行 Hash 函数算法进行了安全性分析。对于前者，发现耦合映像格子系统导致算法中存在一种结构缺陷， 在分组序号和分组消息满足特定约束关系的条件下，无需复杂的计算可以直接给出特定分组和消息的中间 Hash 值。对于后者，分析了产生碰撞缓存器状态的约束条件。在此条件下，找到算法的输出碰撞的代价为 O ( 2100 ) ，远大于生日攻击的代价

  3. 所属分类：其它

    • 发布日期：2018-05-03
    • 文件大小：289kb
    • 提供者：ljx1327296920

  1. 常用初等函数的快速算法

  2. 以损失一部分精度为代价来节省代码量并提高运算速度，包括：正弦、余弦、反正切、全角度反正切、反正弦、反余弦、平方根、平方根倒数、自然指数、自然对数、数字低通滤波器等。

  3. 所属分类：C

    • 发布日期：2020-06-07
    • 文件大小：2kb
    • 提供者：qq_34288751

  1. 一种改进的代价敏感型链路预测算法

  2. 为解决因网络数据分布不均匀性而造成的链路预测问题,提出一种改进的代价敏感型链路预测算法(Link Boost).设计一种有监督链路预测可变代价损失函数,该函数对低节点度有链路节点对出现分类错误时的惩罚大于高节点度有链路节点对,解决了节点度的分布偏差.考虑到以损失函数优化为目标的链路预测算法将导致社区内预测链路数量大于社区间的链路数量,进而设计一种Boosting算法来实现损失函数最小化.通过将网络分为多个分区,并对各个分区构建的弱学习器进行融合,提高了算法的可伸缩性.利用4个真实网络数据集进行性

  3. 所属分类：其它

    • 发布日期：2020-06-28
    • 文件大小：729kb
    • 提供者：weixin_38746574

  1. 每天进步一点点《ML - 正则化代价函数》.docx

  2. 这个是对 机器学习中的 过拟合和欠拟合做的总结，有具体的公式展示过程，但是具体数学计算留省去了。纯属是个人所学所记录，也想分享给初学者，给一定的指导。

  3. 所属分类：机器学习

    • 发布日期：2020-09-23
    • 文件大小：208kb
    • 提供者：qq_29367075

  1. 损失函数（loss function）PPT

  2. 损失函数（loss function）或代价函数（cost function）是将随机事件或其有关随机变量的取值映射为非负实数以表示该随机事件的“风险”或“损失”的函数。在应用中，损失函数通常作为学习准则与优化问题相联系，即通过最小化损失函数求解和评估模型。

  3. 所属分类：机器学习

    • 发布日期：2020-11-11
    • 文件大小：1mb
    • 提供者：dualvencsdn

  1. pytorch学习（九）——交叉熵代价函数原理及其在MNIST手写数字识别中的应用

  2. 上传时间：2020/11/09 最后测试：2020/11/09 内容：pytorch框架：交叉熵代价函数原理及其在MNIST手写数字识别中的应用（神经网络） 其他：pytorch学习练习代码 相关介绍：https://blog.csdn.net/jerry_liufeng/article/details/109573157

  3. 所属分类：深度学习

    • 发布日期：2020-11-09
    • 文件大小：256kb
    • 提供者：jerry_liufeng

  1. C语言中函数指针与软件设计经验总结

  2. 函数指针与软件设计 记得刚开始工作时，一位高手告诉我，说，longjmp和setjmp玩得不熟，就不要自称为C语言高手。当时我半信半疑，为了让自己向高手方向迈进，还是花了一点时间去学习longjmp和setjmp的用法。后来明白那不单是跳来跳去那样简单，而是一种高级的异常处理机制，在某些情况下确实很有用。 为了显示自己的技巧，也在自己的程序中用过几次。渐渐发现这样的技巧带来的好处是有代价的，破坏了程序的结构化设计，程序变得很难读，尤其对新手来说。终于明白这种技巧不过是一种调味料，在少数情况使用几

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：82kb
    • 提供者：weixin_38663169

  1. python 寻找优化使成本函数最小的最优解的方法

  2. 今天来学习变量优化问题。寻找使成本函数最小的题解。适用于题解相互独立的情况，设计随机优化算法、爬山法、模拟退火算法、遗传算法。 优化问题的的精髓是：1、将题解转化为数字序列化，可以写出题解范围。2、成本函数能返回值 问题场景： 所有乘客从不同的地方飞到同一个目的地，服务人员等待所有人到来以后将人一次性接走。 离开时，服务人员将人一次性带到飞机场，所有乘客等待自己的航班离开。 要解决的问题： 如何设置乘客的到来和离开航班，以及接送机的时间，使得总代价最小。 将题解设为数字序列。

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：116kb
    • 提供者：weixin_38545332

  1. tensorflow常用函数API介绍

  2. 摘要：本文介绍了tensorflow的常用函数。 1、tensorflow常用函数 TensorFlow 将图形定义转换成分布式执行的操作, 以充分利用可用的计算资源(如 CPU 或 GPU。一般你不需要显式指定使用 CPU 还是 GPU, TensorFlow 能自动检测。如果检测到 GPU, TensorFlow 会尽可能地利用找到的第一个 GPU 来执行操作. 并行计算能让代价大的算法计算加速执行，TensorFlow也在实现上对复杂操作进行了有效的改进。大部分核相关的操作都是设 备相关的

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：131kb
    • 提供者：weixin_38728183

  1. 机器学习系列（三）——目标函数和损失函数

  2. #机器学习基础（三） 文章目录4. 目标函数4.1 为什么要使用目标函数4.2 目标函数的作用原理4.3 为什么目标函数是负的4.4 常见的目标函数4.4.1 **二次代价函数（quadratic cost）**：4.4.2 **交叉熵代价函数（cross-entropy）**：4.4.3**对数似然代价函数（log-likelihood cost）**：5. 损失函数5.1 什么是损失函数5.2 常见的损失函数5.3 逻辑回归为什么使用对数损失函数5.4 对数损失函数是如何度量损失的 在本

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：426kb
    • 提供者：weixin_38654382

  1. 【神经网络】{5} ——拟合神经网络参数的代价函数（学习笔记）

  2. 此处开始谈论一个学习算法，它能在给定训练集时，为神经网络拟合参数。 和我们讨论的大多数学习算法一样，我们将从拟合神经网络参数的代价函数开始讲起。 重点讲解神经网络在分类问题中的应用。 假设我们有一个与上图类似的神经网络结构： 再假设我们有一个像这样的训练集： 其中有m组训练样本(x ^(i), y ^(i))。 用大写字母L来表示这个神经网络结构的总层数。（对于上图的网络结构，能够得出L = 4。） 接着用s_l来表示第l层的单元数，也就是神经元的数量，这其中不包括第L层的偏差单元。 我

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：186kb
    • 提供者：weixin_38584043

  1. Neural-Network:mnist.pkl数据集的源码，并做了一些改进：反向传播由循环计算转换矢量化计算来大大提高速度； Sigmoid，cos，tanh等多个激活函数，同时也可以选择二次代价函数或交叉熵代价函数-源码

  2. 神经网络 编译环境：python3 由数据集mnist.pkl的源码修改而来 中间层的激活函数可以选为Sigmoid，cos，tanh，ReLU，输出层的激活函数为softmax代价函数可以选为二次代价函数和交叉熵代价函数 最后保存权重w和重置b

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：16mb
    • 提供者：weixin_42117150

  1. 一种新的幅度平方频谱代价函数，用于语音增强

  2. 赵焕，陆志强，余飞，徐成。 用于语音增强的新型幅度平方频谱成本函数//电子和电气工程。 -考纳斯（Kaunas）：Technologija，2012年。-第6（122）号。 -第11-14页。 在用于语音增强的贝叶斯方法中，通过最小化贝叶斯风险来估计增强的语音。 详细地，通过最小化成本函数的期望来获得纯净语音的估计。 通过经典成本函数，平方误差成本函数和“命中或遗漏”函数已经得出了各种估计量。 但是，绝对误差函数的关注较少。 在本文中，我们考虑基于频域中统计量和贝叶斯成本函数的幅度平方频谱（MS

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：257kb
    • 提供者：weixin_38656297

  1. 大气散射对地表双向反射分布函数反演的影响与修正

  2. 准确地获取地表双向反射特性是遥感辐射定标和卫星全链路成像仿真的重要基础。在野外条件下通常使用实测的双向反射因子(BRF)反演得到双向反射分布函数(BRDF)。仿真分析显示，大气能见度分别为23 km和15 km时，同一地表的BRF方向性系数相差19%。野外条件下实测的BRF因受大气散射的影响而不能准确表征地表方向反射特性。通过同步测量2π空间内的大气散射，提出一种BRDF反演方法。该方法将BRF实测值与测量模型计算值之间的残差作为反演的代价函数，以消除大气散射的影响，可反演地表真实的BRDF模型

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：10mb
    • 提供者：weixin_38577922

  1. 003_wz_wed_DL_课程一第二周编程题反向传播与代价函数.pdf

  2. 003_wz_wed_DL_课程一第二周编程题反向传播与代价函数.pdf

  3. 所属分类：讲义

    • 发布日期：2021-01-25
    • 文件大小：2mb
    • 提供者：qq_40869711

  1. 003_wz_wed_DL_课程一第二周编程题——反向传播与代价函数.pdf

  2. 003_wz_wed_DL_课程一第二周编程题——反向传播与代价函数.pdf

  3. 所属分类：讲义

    • 发布日期：2021-01-25
    • 文件大小：2mb
    • 提供者：qq_40869711

  1. 基于代价函数的动态分布式解析映射机制

  2. 针对身份与位置的动态解析映射问题，依据终端的移动模式和通信特征，提出了一种基于代价函数的动态分布式移动解析映射机制。该机制将移动终端的通信状态划分为移动更新、均衡传输和解析查询3种通信模式，以最小化解析映射代价为目标，分别提出了基于分布式多播、一致性散列协同和主动式域内共享的解析映射方法，设计了对应的注册更新、解析查询和数据路由解析优化策略。仿真结果表明，该机制实现了移动过程中解析映射代价的最小化，具有较小的解析时延，对网络结构的动态变化具有良好的适应性。

  3. 所属分类：其它

« 12 3 4 5 6 7 8 9 10 ... 21 »