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. 基于条件随机域CRF模型的文本信息抽取

  2. 为了抽取文本中的信息，在分析对比了4种统计建模原型后，选用条件随机域CRY建立抽取模型，提出了一种文本信息抽取的方法。该方法对文本分析后加标注，确定文本特征集，采用有限内存拟牛顿迭代方法L—BFGS算法估计CRF模型参数，根据训练学习得出的模型，实现科研论文数据集头部文本信息的抽取。实验结果表明，使用CRF模型的抽取准确率达到90％以上，远远高于使用HMM模型的抽取准确率。

  3. 所属分类：专业指导

    • 发布日期：2011-12-26
    • 文件大小：183kb
    • 提供者：xiaoxi900617

  1. 稀疏贝叶斯模型相关向量机

  2. 相关向量机的MATLAB代码，经过验证是正确的，很实用 推荐相关向量机（Relevance vector machine,简称RVM）是Tipping在2001年在贝叶斯框架的基础上提出的，它有着与支持向量机（Support vector machine,简称SVM）一样的函数形式，与SVM一样基于核函数映射将低维空间非线性问题转化为高维空间的线性问题。 RVM原理步骤 RVM通过最大化后验概率（MAP）求解相关向量的权重。对于给定的训练样本集{tn,xn}，类似于SVM , RVM 的模型输

  3. 所属分类：C

    • 发布日期：2015-08-27
    • 文件大小：17kb
    • 提供者：lhyzguolei

  1. Matlab关于人工神经网络在预测中的应用的论文二-基于RBF人工神经网络模型预测棉花耗水量.pdf

  2. Matlab关于人工神经网络在预测中的应用的论文二-基于RBF人工神经网络模型预测棉花耗水量.pdf 四、灰色人工神经网络人口总量预测模型及应用 摘要：针对单一指标进行人口总量预测精度不高的问题，基于灰色系统理论和人工神经网络理论，用1990 年至2004 年中国人口总量序列建立并训练一个多指标的灰色人工神经网络人口总量预测模型。对2005 年至2007 年的人口总量进行检验性预测，结果表明灰色人工神经网络模型大大提高了预测精度。 关键词：人口总量；灰色系统；BP 人工神经网络；灰色人工神经网

  3. 所属分类：其它

    • 发布日期：2019-08-13
    • 文件大小：317kb
    • 提供者：weixin_39840515

  1. 改进GSM-RFC模型在回采巷道围岩稳定性分级的预测

  2. 为对回采巷道围岩稳定性等级进行准确分类,在分析回采巷道围岩稳定性影响因素的基础上,采用改进网格搜索法(GSM)对随机森林分类(RFC)算法关键参数进行搜索确定.首先对RFC中生成决策树的叶节点最小记录百分比进行最优选值,而后以预测准确率为目标函数,借助改进GSM两次搜索确定RFC关键参数,并对各影响因素重要程度进行排序.从95组现场数据中选取80组作为训练集,15组为测试集,并将预测结果与GSM-RFC、RFC对比.研究结果表明:RFC最优叶节点最小记录百分比为58%,最优分裂属性值为3,最优决

  3. 所属分类：其它

    • 发布日期：2020-05-17
    • 文件大小：836kb
    • 提供者：weixin_38738189

  1. 高能物理的参数化神经网络

  2. 我们通过扩展输入范围，不仅包括测量的特征，还包括物理参数，研究了一种使用神经网络构建的机器学习分类器的新结构，并将其应用于高能物理中的问题。 物理参数代表着平滑变化的学习任务，并且生成的参数化分类器可以在它们之间平滑地内插，并替换以单个值训练的分类器集。 即使在需要深度学习的复杂问题上，这也简化了训练过程并提高了中间值的性能。 应用程序包括根据理论模型参数（例如粒子的质量）进行参数化的工具，这些工具允许单个网络在整个质量范围内提供更好的辨别力。 该概念易于实现，并可以优化插值结果。

  3. 所属分类：其它

  1. 高斯分布参数的极大似然估计，EM算法

  2. 哈工大研究生课程讲义高斯分布参数的极大似然估计，EM算法高斯混合模型算法的迭代公式推导 我们首先来推导般混合密度模型参数估计的算法达代公式,然后再将般的混合 密度模型具体化为髙斯混合模型。 混合密度模型 假设样本集={x1,…,x}中的样本相互独立,并且按照如下的过程产生: 样木是依据桃率由个分布中的一个产生的,分布的概率密度数为(x0), 1,,,0为分布的参数 由第个分布产生样本的先验概率为a 先验概率a=(a1…,a),以及分布的参数日,…,0均未知。 我们称样本集来自于一个混合密度模型,

  3. 所属分类：讲义

    • 发布日期：2019-03-03
    • 文件大小：209kb
    • 提供者：qq_27328663

  1. 模型参数训练结果集

  2. 股票交易自动化训练的结果集，线型。。

  3. 所属分类：算法与数据结构

    • 发布日期：2019-01-12
    • 文件大小：1mb
    • 提供者：fredycheng

  1. 果蝇算法融合SVM的开采沉陷预测模型

  2. 针对目前开采沉陷预计方法的种种缺陷,提出了一种新的预计方法。将果蝇优化算法(FOA)与支持向量机(SVM)相结合,建立FOA-SVM预测模型。选取煤层倾角、采厚、平均采深等参数作为模型的输入参数,最大下沉量作为模型的输出参数。选取训练集样本,应用FOA对SVM的参数进行寻优,确定最佳的SVM参数。采用预测集样本对该预测模型进行检验,同时将该模型预测性能与其他预测模型进行对比分析。结果表明:与GA-SVM模型、PSO-SVM模型和神经网络预测模型相比,该模型具有更高的预测能力和泛化能力,可以较好地

  3. 所属分类：其它

    • 发布日期：2020-07-16
    • 文件大小：585kb
    • 提供者：weixin_38711333

  1. 基于随机森林模型的短时交通流预测方法

  2. 短时交通流的准确高效预测对于智能交通系统的应用十分关键，但较强的非线性和噪声干扰使其对模型的灵活性要求较高,并且还需在尽可能短的时间内处理大量的数据。因此，讨论了用随机森林模型对短时交通流进行预测，该模型具有比单棵树更强的泛化能力，参数调节方便，计算高效，且稳定性好。观察交通流数据在较长时间跨度上的变化后，提取出主要特征变量构造输入空间，对模型进行训练后，在测试集上的预测准确率约为94%。与目前广泛使用的支持向量机模型进行对比分析，结果显示随机森林预测不仅准确率稍好于支持向量机，而且在效率、易用

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：412kb
    • 提供者：weixin_38637805

  1. 深度学习 基本介绍+数据集及其拆分

  2. 机器学习 （Machine Learning） 定义： 是对研究问题进行模型假设，利用计算机从训练数据中学习得到模型参数。并最终对数据进行预测和分析的一门学科。 二分类问题的基本解决思路： （1）建立假设模型（可理解为函数）。即建立一条直线，表达式为y=f(x)=W1x + W0。 则通过确定模型参数W1与W0的取值，就可以确定函数的具体位置。 （2）训练模型。利用已明确分类结果的样本数据集（称为训练集）进行训练，即函数参数的求解过程。得到参数W1与W0的最终取值，则得到最终的训练模型。 （3

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：204kb
    • 提供者：weixin_38587924

  1. 复杂对象的分层多模型识别

  2. 为了解决带有跳跃参数的复杂对象的建模问题，提出了一种分层的多重模型提出了一种基于抗原鉴定机理的在线鉴定方法。 本文通过培训获取模型集的输入输出数据，以充当分类器，将不确定的参数空间划分为几个小子空间。 在这些子空间中，采用RLS算法在线识别精确参数。 提出了算法训练模型集和在线辨识过程。 该方法结合了先验知识和在线培训的优势。 跳跃式工业过程辨识的仿真。 操作模式已执行。 结果表明，该方法对目标物体具有良好的识别性能。 跳转参数。

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：161kb
    • 提供者：weixin_38644168

  1. ALBERT-TF2.0:使用TF2.0的ALBERT模型预训练和微调-源码

  2. 阿尔伯特-TF2.0 使用TF2.0的ALBERT模型微调 该存储库包含针对ALBERT的TensorFlow 2.0实现。 要求 python3 点安装-r requirements.txt ALBERT预训练 从零开始的ALBERT模型预训练和特定于域的微调。 说明 下载ALBERT TF 2.0砝码 Verison 1 版本2 将模型解压缩到存储库中。 以上重量不包含原始模型中的最后一层。 现在只能用于微调下游任务。 从TF-HUB到TF 2.0全权转换 下载胶水数据 使用以下c

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：183kb
    • 提供者：weixin_42128141

  1. 学习使用文档排斥模型使网络搜索结果多样化

  2. 搜索多样化（也称为多样性搜索）是解决信息检索中查询歧义问题的一种重要方法。 它旨在通过对搜索结果进行排名，使其覆盖尽可能多的查询的不同方面（或子主题），从而使最初根据搜索结果与给定查询的相关性排名的搜索结果多样化。 大多数现有的多样性搜索模型都在启发式地平衡相关性排名和多样性排名，但缺乏有效的学习机制来达到优化的参数设置。 为了解决这个问题，我们提出了一种学习多元化的方法，该方法可以直接优化搜索多样化的效果（就任何有效性指标而言）。 我们首先扩展了广泛使用的按等级学习框架的排名功能，即Lambd

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：663kb
    • 提供者：weixin_38534344

  1. 基于PureSVD模型的协同过滤主动采样

  2. 提出了一种最大化参数变化的主动采样方法,可快速捕捉推荐系统中新用户的兴趣偏好.该方法在纯奇异值分解(PureSVD)模型的基础上,选取最大化模型参数变化的样本,然后向新用户查询样本物品的评分.得到的评分用来训练用户的纯奇异值分解模型参数,进而提供推荐列表.基于贪婪法提出了一种快速的近似采样算法,能在可接受的时间内得到采样列表.实验结果证明,在Movielens数据集上,该方法能在Top-N的标准下使用较小的样本,有效地提高了学习新用户偏好的效率.

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：573kb
    • 提供者：weixin_38663526

  1. 一种基于最大熵模型的加权归纳迁移学习方法

  2. 传统机器学习和数据挖掘算法主要基于两个假设:训练数据集和测试数据集具有相同的特征空间和数据分布.然而在实际应用中,这两个假设却难以成立,从而导致传统的算法不再适用.迁移学习作为一种新的学习框架能有效地解决该问题.着眼于迁移学习的一个重要分支——归纳迁移学习,提出了一种基于最大熵模型的加权归纳迁移学习算法WTLME.该算法通过将已训练好的原始领域模型参数迁移到目标领域,并对目标领域实例权重进行调整,从而获得了精度较高的目标领域模型.实验结果表明了该算法的有效性.

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：382kb
    • 提供者：weixin_38550722

  1. COMP551-最终项目：COMP551课程的最终项目，旨在扩展已发表作品的结果-源码

  2. 迷你项目4-COMP551-应用机器学习 概述 该项目旨在复制并扩展以下已发表论文的结果： 。 请在资源库中找到项目记录。 先决条件 所使用的软件包是torch，torchvision，numpy，matplotlib和pandas。 它将数据集（CIFAR10）下载到名为“ data”的文件夹中。 作者 约翰·弗洛雷斯 路易斯·平托 约翰·麦克高恩 剧本 alexnet_cifar10.py AlexNet预训练模型（在ImageNet上）输出：超参数，参数总数，模型的体系结构以及需要学习的参

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：620kb
    • 提供者：weixin_42104947

  1. 基于行人属性异质性的行人再识别神经网络模型

  2. 为提高基于行人属性学习的行人再识别算法识别精度,提出一种改进的行人再识别神经网络模型.该模型基于属性之间的异质性,在神经网络中设计不同的识别方法对各类属性进行识别,以提高行人属性识别的准确率.针对不同属性识别方法损失度量算法的不一致,给出异质属性损失度量函数,使得不同识别方法能在同一个网络模型中进行训练和学习,实现网络参数的最优化.实验结果表明,该模型在Market1501数据集、DukeMTMC数据集和DukeMTMC数据集上的首位准确率分别达到88.13％、74.96％和77.64％.

  3. 所属分类：其它

  1. 基于CDOM光学参数的近海富营养化快速评价技术

  2. 以发展近岸海域富营养化快速评价技术为目的，基于有色溶解有机物（CDOM）吸收光谱及三维荧光光谱（EEMs），结合溶氧(DO)、叶绿素a（Chl a）、浊度（Tur）等可现场检测的参数，利用平行因子分析（PARAFAC）、偏最小二乘回归（PLSR）等化学计量学方法，建立了近岸海域富营养化快速评价技术。利用PARAFAC解析CDOM的EEMs，得到3个荧光组分，即类腐殖质C1、C2及类蛋白质C3；选择a220、a254、a270、a350、C1、C2、C3等CDOM光学参数以及DO、Chl a、Tu

  3. 所属分类：其它

  1. COVID-ResNet：使用Tensorflow中的深度卷积神经网络进行COVID-19诊断。 高性能，资源密集型模型-源码

  2. COVID-ResNet-使用深度卷积神经网络通过胸部X射线/ CT扫描诊断COVID-19 我不是医学专家，也不了解COVID-19。 请不要将此模型用于可用于构建参考的其他内容。 这绝不是生产就绪的解决方案。 受启发 COVID-Net的设计激起了我的好奇心，因为没有使用二进制分类，但是将图像分为三类。 如果将肺炎分类为正常，而不是将其分为“正常”，“肺炎”和“ COVID-19”三类，则应该有可能获得较高的准确性。 在尝试了不同的体系结构后，ResNet-18被认为是最有效的。 此存储

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：10kb
    • 提供者：weixin_42118701

  1. validation_curve验证曲线与超参数

  2. validation_curve()的位置 在之前，此函数位置在sklearn.learning_curve.validation_curve()，现在，此函数的位置在sklearn.model_selection.validation_curve()。 validation_curve()的作用 我们知道误差是由偏差（bias）、方差（variance）、噪声（noise）组成。 偏差：模型对于不同的训练样本集，预测结果的平均误差 方差：模型对于不同训练样本集的敏感程度 噪声：数据集本身的一项

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：163kb
    • 提供者：weixin_38704870
« 12 3 4 5 6 »