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. 梯度下降法

  2. 用matlab编程实现梯度下降法的程序代码，方便对梯度下降的理解，简单易懂

  3. 所属分类：C

    • 发布日期：2011-11-18
    • 文件大小：1kb
    • 提供者：kexilily

  1. 粒子群优化算法源码下载

  2. 求解最优化问题一直是遗传算法的经典应用领域，但是对于不同的最优化问题，遗传算法往往要重新设计“交叉”、“变异”算子，甚至要开发新的进化操作；另外遗传算法不容易理解、操作复杂、大多数情况下效率比较低。所以，寻求新的解决最优问题的算法一直是研究热点。对约束优化问题的求解，已有许多算法被提出。传统的方法有梯度映射法、梯度下降法、惩罚函数法、障碍函数法等，但是单纯使用这些方法不是效率很低就是适用范围有限。而进化计算由于其求解过程不依赖于目标函数的解析性质，同时又能以较大的概率收敛于全局最优解，所以用进

  3. 所属分类：其它

    • 发布日期：2012-12-30
    • 文件大小：86byte
    • 提供者：checkpaper

  1. 梯度下降法-线性拟合

  2. 支持多路拟合 代码浅显易懂 当然要在理解梯度下降法的前提下

  3. 所属分类：C++

    • 发布日期：2015-06-04
    • 文件大小：4mb
    • 提供者：z644041867

  1. 梯度下降权值更新图解

  2. 关于神经网络 梯度下降的公式推导，资料来自中文维基百科：反向传播算法。这里对其进行了图解。发现还是维基比较好，原来一开始看英文版的反向传播算法，最后公式纠结了老半天，估计是错的吧，但是中文版的公式却很好理解，奇怪为啥会不一样。

  3. 所属分类：深度学习

    • 发布日期：2017-09-22
    • 文件大小：348kb
    • 提供者：yuexiaomao

  1. BAT机器学习面试1000题系列

  2. BAT机器学习面试1000题系列 1 前言 1 BAT机器学习面试1000题系列 2 1 归一化为什么能提高梯度下降法求解最优解的速度？ 22 2 归一化有可能提高精度 22 3 归一化的类型 23 1）线性归一化 23 2）标准差标准化 23 3）非线性归一化 23 35. 什么是熵。机器学习 ML基础 易 27 熵的引入 27 3.1 无偏原则 29 56. 什么是卷积。深度学习 DL基础 易 38 池化，简言之，即取区域平均或最大，如下图所示（图引自cs231n） 40 随机梯度下降 4

  3. 所属分类：机器学习

    • 发布日期：2018-03-07
    • 文件大小：10mb
    • 提供者：qq_38873863

  1. 最优化--共轭梯度法

  2. 共轭梯度法，最速下降法，共轭方向法与众多优化方法的直观理解。华南理工大学---最优化

  3. 所属分类：讲义

  1. 理解牛顿法

  2. 牛顿法是数值优化算法中的大家族，她和她的改进型在很多实际问题中得到了应用。在机器学习中，牛顿法是和梯度下降法地位相当的的主要优化算法。在本文中，SIGAI将为大家深入浅出的系统讲述牛顿法的原理与应用。

  3. 所属分类：机器学习

    • 发布日期：2018-06-26
    • 文件大小：682kb
    • 提供者：sigai_csdn

  1. 理解梯度下降法

  2. 最优化问题在机器学习中有非常重要的地位，很多机器学习算法最后都归结为求解最优化问题。在各种最优化算法中，梯度下降法是最简单、最常见的一种，在深度学习的训练中被广为使用。在本文中，SIGAI将为大家系统的讲述梯度下降法的原理和实现细节问题。

  3. 所属分类：机器学习

    • 发布日期：2018-06-26
    • 文件大小：612kb
    • 提供者：sigai_csdn

  1. 牛顿法+梯度下降法+pca算法

  2. 内部包含牛顿法、梯度下降法、pca分解 、pca+svd分解算法的MATLAB代码，这些代码都是用于理解这些算法的基础代码，作为机器学习入门代码非常实用

  3. 所属分类：机器学习

    • 发布日期：2018-06-29
    • 文件大小：2kb
    • 提供者：u014113003

  1. 神经网络识别手写数字（含数据和代码，只要有matlab就可以运行）

  2. matlab 手动搭建一个单隐层神经网络用于识别手写数字，实现:标准化数据集，计算损失函数，梯度下降法，反向传播，加深对神经网络的理解。

  3. 所属分类：深度学习

    • 发布日期：2018-02-01
    • 文件大小：24mb
    • 提供者：qq_35052417

  1. 机器学习：逻辑回归

  2. 1. 数据包括2～8岁小孩的身高的度量数据。 Ex1x.dat: 是对应身高的小孩的年龄 ex1y.dat: 是升高的数据 各个孩子的身高和年龄组成一个训练实例，一共有50个训练样本，用它们训练线性模型。 2. 在该问题中，在Matlab/Octave中使用梯度下降方式实现线性回归。首先加载训练集，绘制训练集。 3. 针对该问题，实现线性回归，根据线性回归模型原理给出的式子绘制一条拟合的直线。 4. 对 和 的关系进行可视化的处理。由于在本实例中，是2维的，因此，我们绘制3维的来对线性回归算法

  3. 所属分类：机器学习

  1. 机器学习-最小二乘法多项式拟合

  2. 掌握最小二乘法求解（无惩罚项lamda的损失函数）、掌握加惩罚项（2范数）的损失函数优化、梯度下降法、共轭梯度法、理解过拟合、克服过拟合的方法(如加惩罚项、增加样本)

  3. 所属分类：机器学习

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

  1. 线性回归的最小二乘法与梯度下降法代码

  2. 用Python自己写的线性回归。其方法包括用最小二乘法直接求解和梯度下降法求解。理解代码能让你更好东其原理

  3. 所属分类：机器学习

    • 发布日期：2019-01-01
    • 文件大小：3kb
    • 提供者：dz4543

  1. 算法：梯度下降法求最优解，python源码

  2. 简单解释：比如拿温度传感器来说，就是根据之前一段时间的温度数据计算下当前理论上应该测量到的温度，如果超出这个最优解的一定比例，就可以理解为突发状况了

  3. 所属分类：Python

  1. 梯度下降算法原理视频教程.wmv

  2. 梯度下降算法原理视频教程，希望能够学习者提供帮助，实现对梯度下降算法基础知识的掌握与理解，为后续学习做好铺垫，实现梯度下降算法的灵活运用

  3. 所属分类：深度学习

    • 发布日期：2020-02-06
    • 文件大小：16mb
    • 提供者：zsb8888

  1. 浅谈matplotlib 绘制梯度下降求解过程

  2. 机器学习过程中经常需要可视化，有助于加强对模型和参数的理解。 下面对梯度下降过程进行动图演示，可以修改不同的学习率，观看效果。 import numpy as np import matplotlib.pyplot as plt from IPython import display X = 2*np.random.rand(100,1) y = 4+3*X+np.random.randn(100,1) # randn正态分布 X_b = np.c_[np.ones((100,1)),X] #

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：96kb
    • 提供者：weixin_38596413

  1. 人工智能与机器学习-梯度下降法

  2. 人工智能与机器学习-梯度下降法 一、梯度下降法概述 梯度下降法（Gradient descent）是一个一阶最优化算法。 要使用梯度下降法找到一个函数的局部极小值，必须向函数上当前点对应梯度（或者是近似梯度）的反方向的规定步长距离点进行迭代搜索。 二、梯度下降法直观理解 以人下山为例，要到达最低点，需要以下步骤： 第一步，明确自己现在所处的位置 第二步，找到相对于该位置而言下降最快的方向 第三步，沿着第二步找到的方向走一小步，然后到底一个新的位置，这时候的位置就比原来更低 第四步，又明确当前所处

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：682kb
    • 提供者：weixin_38726407

  1. 梯度下降原理及代码实现,以及正规方程解法+二者的比较

  2. 梯度下降法是机器学习算法更新模型参数的常用的方法之一。 相关概念 梯度 : 表示某一函数在一点处变化率最快的方向向量(可理解为这点的导数/偏导数) 样本 : 实际观测到的数据集，包括输入和输出(本文的样本数量用 m 表述,元素下标 i 表示) 特征 : 样本的输入(本文的特征数量用 n 表示,元素下标 j 表示) 假设函数 : 用来拟合样本的函数，记为 $ h_θ(X) (θ 为参数向量, X 为特征向量)$ 代价函数 : 用于评估模型拟合的程度，训练的目标是最小化代价函数，记为 J(θ)J(θ

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：69kb
    • 提供者：weixin_38672800

  1. GradientDescentInPython:使用简单的python代码进行梯度下降的简单且易于理解的描述-源码

  2. GradientDescentInPython 使用简单的python代码对梯度下降进行的简单且易于理解的描述。

  3. 所属分类：其它

  1. 演算派生梯度下降数据科学介绍000-源码

  2. 了解渐变下降中的渐变 介绍 如您所知，我们进入了对衍生工具的讨论，以确定沿着成本曲线移动的步骤的大小和方向。 我们首先在单个变量函数中使用导数，以查看成本曲线的输出相对于回归线变量之一的变化是如何变化的。 然后，我们了解了偏导数，以了解三维成本曲线如何响应回归线的变化。 但是，我们尚未明确显示偏导数如何应用于梯度下降。 好吧，这就是我们希望在本课中展示的内容：解释我们如何使用偏导数找到最小化成本函数的路径，从而找到我们的“最佳拟合”回归线。 什么是梯度？ 现在，梯度下降从字面上意味着我们正

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：262kb
    • 提供者：weixin_42117622
« 12 »