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. [免资源分] 必看的机器学习PPT（王珏）

  2. [免资源分]机器学习研究（王珏）,王老师的内容易懂而深刻

  3. 所属分类：专业指导

    • 发布日期：2009-08-08
    • 文件大小：653312
    • 提供者：suhonglu

  1. Pattern Recognition and Machine Learning

  2. 一本模式识别和机器学习领域较新的书. 其作者是经典书籍"Neural Networks for Pattern Recognition"的作者. 写作风格是通过清晰的思考和适当的实例来使读者尽可能达到理解.

  3. 所属分类：专业指导

    • 发布日期：2009-09-27
    • 文件大小：8388608
    • 提供者：kuotiansky

  1. 汇编语言学习大全 很实用的

  2. 课程介绍 第1章 预备知识 　1.1 汇编语言的由来及其特点 　　1 机器语言 　　2 汇编语言 　　3 汇编程序 　　4 汇编语言的主要特点 　　5 汇编语言的使用领域 　1.2 数据的表示和类型 　　1 数值数据的表示 　　2 非数值数据的表示 　　3 基本的数据类型 　1.3 习题 第2章 CPU资源和存储器 　2.1 寄存器组 　　1 寄存器组 　　2 通用寄存器的作用 　　3 专用寄存器的作用 　2.2 存储器的管理模式 　　1 16位微机的内存管理模式 　　2 32位微机的内存管理

  3. 所属分类：硬件开发

    • 发布日期：2009-11-20
    • 文件大小：1048576
    • 提供者：qwlonglong

  1. 机器学习工具箱spider_jul2406

  2. 各种机器学习工具 Pattern Recognition 模式识别 Multi-Class and Multi-label 多类分类包括SVM Feature Selection 特征提取 Regression 回归 kpca SVM　 fisher 等 很好的工具

  3. 所属分类：专业指导

    • 发布日期：2010-03-25
    • 文件大小：5242880
    • 提供者：wxm5mao

  1. OpenCV机器学习SVM支持向量机的分类程序

  2. OpenCV机器学习SVM支持向量机的分类程序,便于ＳＶＭ的学习和理解

  3. 所属分类：C

    • 发布日期：2011-09-08
    • 文件大小：22528
    • 提供者：bzwqq

  1. 集成学习综述(ensemble learning)

  2. 集成学习则是机器学习的首要热门方向[1]。集成学习是使用一系列学习器进行学习，并使用某种规则把各个学习结果进行整合从而获得比单个学习器更好的学习效果的一种机器学习方法．

  3. 所属分类：其它

    • 发布日期：2012-03-30
    • 文件大小：239616
    • 提供者：ding89629

  1. 机器学习作业

  2. mlclass-ex1　斯坦福大学的开发作业。

  3. 所属分类：数据库

    • 发布日期：2013-11-10
    • 文件大小：475136
    • 提供者：u012794828

  1. 贝叶斯思维：统计建模的Python学习法

  2. 贝叶斯方法正在变得越来越常见与重要，但是却没有太多可以借鉴的资料来帮助初学者。基于Allen Downey在大学讲授的本科课程，本书的计算方法能帮助你获得一个良好的开端。 　　使用已有的编程技巧学习和理解贝叶斯统计 　　处理估计、预测、决策分析、假设的证据、假设检验等问题 　　从简单的例子开始，包括硬币问题、M&Ms豆问题、《龙与地下城》勇士投骰子问题、彩弹游戏和冰球比赛问题 　　学习计算方法，解决诸如SAT分数含义、模拟肾肿瘤和人体微生物建模问题

  3. 所属分类：其它

  1. 机器学习　

  2. 机器学习 课程ppt.pdf

  3. 所属分类：讲义

    • 发布日期：2017-10-31
    • 文件大小：5242880
    • 提供者：sinat_36802840

  1. 机器学习个人笔记完整版中文

  2. 机器学习个人笔记完整版　　　　　　　　　　　　中文版

  3. 所属分类：机器学习

    • 发布日期：2017-11-14
    • 文件大小：7340032
    • 提供者：discoverhfub

  1. 机器学习试验报告包括id3 ＢＰ算法

  2. 机器学习试验报告包括id3 ＢＰ算法，主要是决策树算法和神经网络算法

  3. 所属分类：其它

    • 发布日期：2008-12-23
    • 文件大小：138240
    • 提供者：whorus1

  1. 贝叶斯思维 统计建模的Python学习法

  2. 　贝叶斯方法正在变得越来越常见与重要，但是却没有太多可以借鉴的资料来帮助初学者。基于Allen Downey在大学讲授的本科课程，本书的计算方法能帮助你获得一个良好的开端。 　　使用已有的编程技巧学习和理解贝叶斯统计 　　处理估计、预测、决策分析、假设的证据、假设检验等问题 　　从简单的例子开始，包括硬币问题、M&Ms;豆问题、《龙与地下城》勇士投骰子问题、彩弹游戏和冰球比赛问题 　　学习计算方法，解决诸如SAT分数含义、模拟肾肿瘤和人体微生物建模问题 内容简介

  3. 所属分类：机器学习

    • 发布日期：2018-06-18
    • 文件大小：15728640
    • 提供者：fyl222

  1. R语言聚类分析机器学习资料

  2. R语言聚类分析机器学习资料　英文版！

  3. 所属分类：讲义

    • 发布日期：2018-10-31
    • 文件大小：5242880
    • 提供者：weixin_43569060

  1. 基于支持向量机的机器学习研究 Research of Machine-Learning Based Support Vector Machine

  2. 【摘要】 学习是一切智能系统最根本的特征。机器学习是人工智能最具智能特征、最前沿的研究领域之一。机器学习研究的是如何使机器通过识别和利用现有知识来获取新知识和新技能。机器学习就是要使计算机能模拟人的学习行为,自动地通过学习获取知识和技能,不断改善性能,实现自我完善。　与传统统计学相比,统计学习理论是一种专门研究小样本情况下机器学习规律的理论。V.Vapnik　等人从六、七十年代开始致力于此方面研究,到九十年代中期,其理论不断发展和成熟。统计学习理论是建立在一套较坚实的理论基础之上的,为解决有限样

  3. 所属分类：互联网

    • 发布日期：2020-07-04
    • 文件大小：591872
    • 提供者：songzailu6482

  1. 嵌入式系统/ARM技术中的如何使用FPGA加速机器学习算法？

  2. 当前，AI因为其CNN(卷积神经网络)算法出色的表现在图像识别领域占有举足轻重的地位。基本的CNN算法需要大量的计算和数据重用，非常适合使用FPGA来实现。上个月，Ralph Wittig(Xilinx CTO Office的卓越工程师) 在2016年OpenPower峰会上发表了约20分钟时长的演讲并讨论了包括清华大学在内的中国各大学研究CNN的一些成果。 　　在这项研究中出现了一些和CNN算法实现能耗相关的几个有趣的结论： 　　①限定使用片上Memory; 　　②使用更小的乘法器;

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：97280
    • 提供者：weixin_38721252

  1. 嵌入式系统/ARM技术中的CEVA推出深层神经网络框架 加快低功耗嵌入式系统中机器学习技术的应用

  2. 全球领先的蜂窝通信、多媒体和连接性DSP IP平台授权厂商CEVA公司宣布推出实时神经网络软件框架CEVA 深层神经网络（CEVA Deep Neural Network， CDNN），以简化低功耗嵌入式系统中的机器学习部署。通过利用CEVA-XM4 图像和视觉DSP的处理能力，CDNN使得嵌入式系统执行深层学习任务的速度比基于GPU的领先系统提高3倍，同时消耗的功率减少30倍，所需存储带宽减少15倍 （注）。例如，在28nm工艺下对每秒 30帧的1080p视频流运行基于深层神经网络（DNN）

  3. 所属分类：其它

    • 发布日期：2020-10-19
    • 文件大小：72704
    • 提供者：weixin_38689736

  1. 机器学习python实战之决策树

  2. 决策树原理：从数据集中找出决定性的特征对数据集进行迭代划分，直到某个分支下的数据都属于同一类型，或者已经遍历了所有划分数据集的特征，停止决策树算法。 　　每次划分数据集的特征都有很多，那么我们怎么来选择到底根据哪一个特征划分数据集呢？这里我们需要引入信息增益和信息熵的概念。 一、信息增益 　　划分数据集的原则是：将无序的数据变的有序。在划分数据集之前之后信息发生的变化称为信息增益。知道如何计算信息增益，我们就可以计算根据每个特征划分数据集获得的信息增益，选择信息增益最高的特征就是最好的选择。首先

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：116736
    • 提供者：weixin_38625164

  1. 机器学习算法之KNN

  2. K最近邻(kNN，k-NearestNeighbor)分类算法，即k个最近的邻居，说的是每个样本都可以用它最接近的k个邻居来代表。 　　KNN是通过测量不同特征值之间的距离进行分类。  　　算法思路是：如果一个样本在特征空间中的k个最邻近的样本中的大多数属于某一个类别，则该样本也划分为这个类别。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 算法伪代码： 　　1）计算测试数据与各个训练数据之间的距离； 　　2）按

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：46080
    • 提供者：weixin_38631042

  1. 从机器学习谈起

  2. 在本篇文章中，我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。这篇文档也算是EasyPR开发的番外篇，从这里开始，必须对机器学习了解才能进一步介绍EasyPR的内核。当然，本文也面对一般读者，不会对阅读有相关的前提要求。在进入正题前，我想读者心中可能会有一个疑惑：机器学习有什么重要性，以至于要阅读完这篇非常长的文章呢？我并不直接回答这个问题前。相反，我想请大家看两张图，下图是图一：图1机器学习界的执牛耳者与互联网界的大鳄的联姻　　这幅

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：1048576
    • 提供者：weixin_38677046

  1. 从机器学习谈起

  2. 在本篇文章中，我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。这篇文档也算是EasyPR开发的番外篇，从这里开始，必须对机器学习了解才能进一步介绍EasyPR的内核。当然，本文也面对一般读者，不会对阅读有相关的前提要求。在进入正题前，我想读者心中可能会有一个疑惑：机器学习有什么重要性，以至于要阅读完这篇非常长的文章呢？我并不直接回答这个问题前。相反，我想请大家看两张图，下图是图一：图1机器学习界的执牛耳者与互联网界的大鳄的联姻　　这幅

  3. 所属分类：其它

    • 发布日期：2021-01-29
    • 文件大小：1048576
    • 提供者：weixin_38693657
« 12 3 4 5 6 7 8 9 10 ... 14 »