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. 逼近拟合+n种插值方法+数值微分+解线性方程组的直接方法

  2. 函数逼近与曲线（面）拟合：曲线拟合的线性最小二乘法及其MATLAB程序，多项式拟合及其MATLAB程序， 拟合曲线的线性变换及其MATLAB程序，函数逼近及其MATLAB程序，三角多项式逼近及其MATLAB程序， 随机数据点上的二元拟合及其MATLAB程序， 随机数据点上的 元拟合及其MATLAB程序 +n种插值方法：拉格朗日（Lagrange）插值及其MATLAB程序，牛顿（Newton）插值及其MATLAB程序，埃尔米特（Hermite）插值及其MATLAB程序， 分段插值及其MATLAB

  3. 所属分类：其它

    • 发布日期：2010-01-08
    • 文件大小：354kb
    • 提供者：zhaoshuangxiang

  1. 拟合求解非线性方程 了解多项式的逼近程度和有效拟合区间随多项式的阶数有何变化

  2. 该word文档描述了各类的拟合问题 了解多项式的逼近程度和有效拟合区间随多项式的阶数有何变化

  3. 所属分类：IT管理

    • 发布日期：2011-03-23
    • 文件大小：59kb
    • 提供者：irencekale

  1. 最小二乘曲线拟合的MATLAB实现

  2. 在MATLAB的Notebook环境下，调用MATLAB的最小二乘曲线拟合命令，求得了拟合函数的多项式系数，并结合可视图形，给出了拟合函数最佳阶数的选取方法.此外，对不超过10阶的曲线拟合给出了图形用户接口程式，使得低阶的拟合更加简单易行、直观明了.

  3. 所属分类：其它

    • 发布日期：2012-05-14
    • 文件大小：2mb
    • 提供者：h0120709330208

  1. 多项式拟合阶数的求解

  2. 因为是原创小论文。 我们处理数据时，往往需要事先知道这些数据的规律（如线性），然后再进行相应阶数的最小二乘法拟合，本文试图在不知道拟合阶数的情况下通过程序计算拟合阶数。

  3. 所属分类：专业指导

    • 发布日期：2013-07-08
    • 文件大小：92kb
    • 提供者：orealfz

  1. 多阶曲线拟合 求导数

  2. C++ 多阶曲线拟合，并且计算对应各个点集的一阶导数，自己的项目也在用

  3. 所属分类：C++

  1. 多项式曲线拟合工具箱

  2. 压缩文件中的EXE文件可在Win10(64bit)环境下运行，主要功能是从文件读入多列数据，用户从几列数据中选中两列分别作为X和Y的散点数据，然后选择采用n阶多项式对X和Y关系进行拟合。所得拟合的多项式系数会进行文本显示，拟合效果也会在图形界面显示。并且提供多项式系数文本保存功能。文件夹中有输入文件范例：polyFitDataSet.txt可供用户测试。 工具使用步骤: 打开文件--选择拟合阶数--多项式拟合--(file功能菜单)保存文件 输入文件格式（.txt）： 第一行：各列数据名称(以

  3. 所属分类：C++

    • 发布日期：2018-08-14
    • 文件大小：12mb
    • 提供者：chikuo_z

  1. MATLAB拟合数据

  2. 使用matlab对数据进行简单的拟合，是只生成一个可以使所有点均匀分布在函数两侧，注意拟合阶数要适当，否则会产生高频震荡

  3. 所属分类：软件测试

    • 发布日期：2018-07-15
    • 文件大小：246byte
    • 提供者：he_5670_wei

  1. 多项式拟合正弦函数

  2. 实验要求： 1. 生成数据，加入噪声； 2. 用高阶多项式函数拟合曲线； 3. 用解析解求解两种loss的最优解（无正则项和有正则项） 4. 优化方法求解最优解（梯度下降，共轭梯度）； 5. 用你得到的实验数据，解释过拟合。 6. 用不同数据量，不同超参数，不同的多项式阶数，比较实验效果。 7. 语言不限，可以用matlab，python。求解解析解时可以利用现成的矩阵求逆。梯度下降，共轭梯度要求自己求梯度，迭代优化自己写。不许用现成的平台，例如pytorch，tensorflow的自动微分工

  3. 所属分类：机器学习

    • 发布日期：2018-10-14
    • 文件大小：6kb
    • 提供者：qinglingls

  1. 曲线拟合GUI-拟合.rar

  2. 曲线拟合GUI-拟合.rar 输入x、y以及拟合阶数，可以算出各个点所对应的值；以及把拟合曲线的表达式显示出来。

  3. 所属分类：其它

    • 发布日期：2019-08-13
    • 文件大小：11kb
    • 提供者：weixin_39840924

  1. 将b-夸克PDF拟合为大规模b方案：底部融合中的希格斯生成

  2. 我们表明，可以通过引入独立的参数化b PDF来获得一种计算涉及初始状态b夸克的强子对撞机过程的简单而准确的方法。 我们将所谓的FONLL方法用于将b夸克视为无质量parton的方案与将b夸克视为质量状态的方案的匹配，并将其扩展到b夸克PDF为 不一定由扰动匹配条件决定。 这可以概括为强子碰撞，以前对于深非弹性散射获得了类似的结果。 结果对应于“大量b”方案，其中保留了b质量效应，但b夸克具有PDF。 我们专门研究了希格斯在底部融合中的生产，并表明我们的方法克服了与以下事实相关的困难：在标准的大规

  3. 所属分类：其它

    • 发布日期：2020-03-26
    • 文件大小：611kb
    • 提供者：weixin_38530211

  1. 基于稀疏谱拟合的超分辨方位估计

  2. 考虑到各阵元接收的实际环境噪声可能是相关的，以及风成噪声和远处航船噪声等因素的影响，环境噪声强度的空间分布可能具有方向性。利用非均匀环境噪声模型，结合稀疏谱拟合算法，提出了一种基于稀疏谱拟合的超分辨方位估计算法。该算法利用空间信号的稀疏性和线性噪声模型拟合误差的l2-范数联合最小化，实现非均匀环境噪声条件下的超分辨方位估计。通过计算机仿真讨论了正则参数和线性噪声模型阶数对算法性能的影响，海上试验结果表明了该算法较传统算法和稀疏谱拟合算法具有更低的旁瓣级和更好的方位分辨能力，同时有效验证了该算法在

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：605kb
    • 提供者：weixin_38569722

  1. 基于三次样条的多焦面曲线拟合

  2. 在变形雅可比(p=4,q=3)-傅里叶矩的基础上采用三次样条拟合特征空间轨迹，保证了插值函数光滑性，并且通过限定每个三次多项式的一阶和二阶导数，使其在断点处相等，成功地逼近每对断点间的曲线，从而能够更好地对曲线进行拟合，并验证包含图像信息量最大的矩值。

  3. 所属分类：其它

    • 发布日期：2020-10-21
    • 文件大小：286kb
    • 提供者：weixin_38623000

  1. AI之过拟合、欠拟合及其解决方案

  2. 过拟合、欠拟合及其解决方案模型选择、过拟合和欠拟合训练误差和泛化误差模型选择验证数据集K折交叉验证过拟合和欠拟合模型复杂度训练数据集大小多项式函数拟合实验初始化模型参数定义、训练和测试模型三阶多项式函数拟合（正常）线性函数拟合（欠拟合）训练样本不足（过拟合）权重衰减方法L2L_2L2​范数正则化（regularization）高维线性回归实验从零开始的实现初始化模型参数定义L2范数惩罚项定义训练和测试观察过拟合使用权重衰减简洁实现丢弃法丢弃法从零开始的实现简洁实现 模型选择、过拟合和欠拟合 训练

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：223kb
    • 提供者：weixin_38649657

  1. Dive into deep learning task 03- 过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶

  2. 1. 过拟合 欠拟合 特征复杂，但是训练 样本数不足时，会产生过拟合，即训练误差小，但是在测试集上的测试误差比较大，即泛化能力强 解决的办法是增加样本数量 或用L2范数进行征罚。 增加样本数量的方法比较简单，但是费人费物。 L2的范数也叫权重衰减。 对绝对值 比较大的权重参数进行拟合，从而改善范化误差。 本质 上是将权重值 向较小值 的区别压缩。 另一种方法是dropout （丢弃法） 丢弃法不改变输入的期望，按一定的概率 丢弃隐藏层中的单元。 p为丢弃率， 1-p 为保存率 欠拟合不是太容易发

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：45kb
    • 提供者：weixin_38582793

  1. 过拟合欠拟合及其解决方案；梯度消失梯度爆炸；循环神经网络进阶；机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer；卷积神经网络基础；leNet；卷积神经网络进阶

  2. 1.过拟合欠拟合及其解决方案 一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）。 模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 在实践中，我们要尽可能同时应对欠拟合和过拟合。 2.梯度消失梯度爆炸 深度模型有关数值稳定性的典型问题是消失（vanishing）和爆炸（explosion）。 假设一个层数为LLL的多层感知机的第lll层H(l)\boldsymbol{H}^{(l)}H(l)的权重参数为W(l)\b

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：477kb
    • 提供者：weixin_38500117

  1. 过拟合欠拟合及其解决方案、梯度消失梯度爆炸、循环神经网络进阶

  2. 一、过拟合欠拟合及其解决方案 我们将探究模型训练中经常出现的两类典型问题： 一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）； 另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 在实践中，我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题，在这里我们重点讨论两个因素：模型复杂度和训练数据集大小。 二、梯度消失梯度爆炸 深度模型有关数值稳定性的典型问题是消失（vanishing）和爆炸（

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：150kb
    • 提供者：weixin_38637764

  1. 动手学 task03 过拟合、欠拟合及其解决方案+梯度消失、梯度爆炸+循环神经网络进阶

  2. 过拟合、欠拟合及其解决方案 过拟合和欠拟合 一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）； 另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 在实践中，我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题，在这里我们重点讨论两个因素：模型复杂度和训练数据集大小。 模型复杂度与过拟合、欠拟合的关系如下图： 训练数据集大小： 影响欠拟合和过拟合的另一个重要因素是训练数据集的大小。一般来

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：50kb
    • 提供者：weixin_38749305

  1. pytorch实现task3——过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶

  2. 过拟合、欠拟合及解决方案在之前自己已经使用较多较熟练，故跳过。 梯度消失、梯度爆炸 深度模型有关数值稳定性的典型问题是消失（vanishing）和爆炸（explosion）。 当神经网络的层数较多时，模型的数值稳定性容易变差。 在神经网络中，通常需要随机初始化模型参数。随机初始化模型参数的方法有很多。在线性回归的简洁实现中，我们使用torch.nn.init.normal_()使模型net的权重参数采用正态分布的随机初始化方式。不过，PyTorch中nn.Module的模块参数都采取了较为合理的

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：73kb
    • 提供者：weixin_38690739

  1. 动手学深度学习PyTorch版 | （3）过拟合、欠拟合及其解决方案

  2. 文章目录一、过拟合、欠拟合概念二、多项式函数拟合实验2.1 初始化模型参数2.2 定义、训练和测试模型三阶多项式函数拟合（正常）线性函数拟合（欠拟合）训练样本不足（过拟合）2.3 权重衰减L2 范数正则化（regularization）2.4 丢弃法丢弃法从零开始的实现简洁实现小结 一、过拟合、欠拟合概念 训练模型中经常出现的两类典型问题： 欠拟合：模型无法得到较低的训练误差 过拟合：模型的训练误差远小于它在测试数据集上的误差 在实践中，我们要尽可能同时应对欠拟合和过拟合。有很多因素可能导致这两

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：295kb
    • 提供者：weixin_38526650

  1. Zernike 多项式对空间高频相位拟合的改进方法

  2. 以随机相位屏构造光束波前畸变模型，运用不同阶数的Zernike多项式对其进行拟合。通过对比分析原始波前及拟合波前的功率谱密度，明确了波面拟合过程中Zernike 多项式对波前中高频成分拟合存在的不足，进而提出了基于Zernike多项式的分块拟合方式加以改进。研究结果表明：在常规的拟合方式下，随着拟合阶数的增加，能准确反映的波前相位空间频率逐渐向高频范围扩展，但其扩展幅度并不大；此外，即使采用较高的拟合阶数，Zernike多项式也难以准确反映波前空间频率中的高频成分；而采用分块拟合方式后，Zern

  3. 所属分类：其它

« 12 3 4 5 6 7 8 »