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. 正交频分复用系统非线性信道估计算法

  2. 为了提高正交频分复用#(.AB$系统的传输质量和有效性!提出了一种基于最小二乘支持向量机的 (.AB非线性信道估计算法:通过在(.AB符号中插入导频而获得训练数据!利用最小二乘支持向量机将 训练数据映射到高维空间!并在此空间采用结构风险最小化准则对时变信道频率响应函数进行回归估计!把 低维空间的非线性估计转化为高维空间的线性估计!提高了估计的精度:仿真结果表明!该算法能够有效地 减小由多径引起的频率选择性衰落的影响!与传统算法相比!在同一误码率条件下的信噪比提高了!!> DE

  3. 所属分类：其它

    • 发布日期：2009-06-08
    • 文件大小：136kb
    • 提供者：jxm0jxm

  1. Patterns In Java 中文版

  2. 本书含有50种可重用Java模式，其中的一些是首次使用，它们可以帮助读者完成更多优秀的设计，本书使用UML文档来证明每一种模式，并且为某些模式提供了代码示例或Java核心API示例。 第1章 软件模式简介 1.1 模式发展史简述 1.2 模式介绍 1.3 本书介绍 第2章 UML综述 2.1 类图 2.2 协作图 2.3 状态图 第3章 软件生命周期 3.1 案例研究 第4章 通用职责分配软件模式 4.1 弱耦合/强内聚模式[Larman98] 4.2 专家模式[Larman98] 4.3 创

  3. 所属分类：硬件开发

    • 发布日期：2009-06-18
    • 文件大小：322kb
    • 提供者：xfz120

  1. 基于遗传规划的符号回归方法在电能质量分析中的新应用

  2. 对于数据关联关系的自动识别。采用符号回归方法识别电能质量信号与时间的关联关系。

  3. 所属分类：制造

    • 发布日期：2013-05-15
    • 文件大小：948kb
    • 提供者：aerocarrier

  1. 数据插值技术对基于遗传编程算法符号回归的影响研究

  2. 数据插值技术对基于遗传编程算法符号回归的影响研究.拓展数据集对遗传编程的作用与处理方法

  3. 所属分类：制造

    • 发布日期：2014-09-04
    • 文件大小：342kb
    • 提供者：aerocarrier

  1. 多元线性回归程序Fortran2013版

  2. Fortran2013版，用于对离散数据进行多元线性回归，各符号均有较详细的注释和说明。对从事回归分析的人员有帮助，也有助于初学者学习Fortran语言。

  3. 所属分类：其它

    • 发布日期：2017-11-29
    • 文件大小：153kb
    • 提供者：simgol

  1. 机器学习-线性回归-正规方程组算法源码

  2. 正规方程组通过计算成本函数对每个θj的偏导数，求出偏导为零的点来成本函数的最小值。为了不必写大量的代数式和矩阵导数，让我们约定一些矩阵计算的符号

  3. 所属分类：机器学习

    • 发布日期：2018-01-19
    • 文件大小：1004byte
    • 提供者：qq_36378416

  1. 机器学习：牛顿方法实现逻辑回归

  2. 实验步骤与内容： 1. 下载数据包ex3Data.zip并解压。 2. 对于这个练习，假设一所高中有一个数据集，代表40名被录取的学生和40名未被录取的学生。 每个(x (i)，y(i)) 数据包括两个标准化考试中学生的分数和学生是否被录取的标签。任务是建立一个二元分类模型，根据学生在两次考试中的成绩来估计大学录取机会。 3. polt data:使用不同的符号来表示录取结果，画出图像。 4. 假设模型的函数为sigmoid function： 进行求最优解的代价函数cost function

  3. 所属分类：机器学习

  1. pyNSGP:NSGA-II在Python中进行多目标遗传编程-源码

  2. pyNSGP 该Python 3代码是使用NSGA-II进行符号回归的多目标遗传编程的实现。 依存关系 脾气暴躁和scikit学习。 安装 运行pip install --user .从文件夹中。 例子 pyNSGP可以作为scikit-learn回归估计器运行。有关示例，请参见test.py第一个目标是均方误差，第二个目标是解大小。如果使用use_interpretability_model=True ，则通过根据下面引用的论文中找到的线性模型预测人类的可解释性来实现第二个目标。 参考 如果您

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：231kb
    • 提供者：weixin_42099302

  1. symbolic_deep_learning:“通过归纳偏置从深度学习中发现符号模型”的代码-源码

  2. 该是中的正式实现。 Miles Cranmer，Alvaro Sanchez-Gonzalez，Peter Battaglia，徐瑞，Kyle Cranmer，David Spergel，Shirley Ho 查看我们的，，和。 要求 对于型号： 火炬 麻木 符号回归： ，我们的新型开源Eureqa替代产品 对于模拟： （简单的N体模拟） （暗物质数据；可选） tqdm matplotlib 训练 要从本文中训练一个示例模型，请尝试。 完整的模型定义在models.py中给出。

  3. 所属分类：其它

  1. 用均匀遗传表达式编程求解符号回归问题

  2. 基因表达编程（GEP）大大超过了解决符号回归问题的传统进化方法。 但是，现有的GEP算法仍存在过早收敛和演进缓慢的问题在后期。 针对这些缺陷，我们设计了一种新颖的进化算法，即统一设计辅助基因表达编程（UGEP）。 UGEP使用（1）混合级别统一表来生成初始种群，以及（2）通过利用统一设计的可分散性来使用多祖代交叉算子。 除了理论分析外，我们还通过许多处理符号回归问题（包括函数拟合和混沌时间序列预测）的实验，将UGEP与现有GEP变体进行了比较。 实验结果表明，在解决符号回归问题上，UGEP在实现

  3. 所属分类：其它

  1. 房屋价格预测：采用L2正则化的线性回归-源码

  2. 房屋价格预测 内容 客观的： 使用L2正则化构建线性回归，该线性回归可用于基于一组功能来预测房屋的价格。 深入了解学习率和正则化超参数对模型性能的影响。 数据： 该数据集由2014年5月至2015年5月之间售出房屋的历史数据组成，其中有两个数据文件：培训（10,000个示例）和开发（5597个示例） 该数据集由23个特征（包括虚拟对象）组成。 最后一个是预测目标。 变量说明数据类型 虚拟[数字]：1 id [数字]：房屋符号 date [string]：日期房屋已售出。 分为3类：每月

  3. 所属分类：其它

  1. 用于符号回归问题的改进的基因表达编程方法

  2. 基因表达编程（GEP）是一种用于知识发现和模型学习的强大进化方法。 在基本GEP算法的基础上，提出了一种改进的算法S_GEP，它特别适合于处理符号回归问题。 这种S_GEP方法的主要优点包括：（I）一种新的评估没有表达式树的个体的方法； （2）如果某些特殊的复杂问题需要，则为新的评估单个方法提供相应的表达式树构造方案； （3）一种处理数值常数的新方法，以提高收敛性。 本文对我们提出的S_GEP方法与原始GEP以及其他方法进行了全面的比较研究。 比较结果表明，所提出的S_GEP方法可以显着提高GE

  3. 所属分类：其它

  1. ChemBL数据挖掘中的GP-源码

  2. ChemBL数据挖掘中的遗传编程（GP） 作为我论文的一部分，我引用了论文《和《 ，这是我的实现。 在这种方法中，我使用了三种类型的GP方法，即符号回归，笛卡尔GP和线性GP，以找出GP中的最佳结果，然后将其与GA的结果进行比较 客观的 随机为所有具有最高1％数据集的ChemBL药物生成通用方程。 将GP结果与遗传算法（GA）结果进行比较 了解GP 我通过学习和 发现GP。 当我开始动手时，我指的是 。 然后，从gplearn文档中引用这些。 引文： 霍利迪J.，诺萨尼和彼得威利特。

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：62kb
    • 提供者：weixin_42131785

  1. Genetic_Algorithm_Symblic_Regression：遗传算法解决符号回归-源码

  2. Genetic_Algorithm_Symblic_Regression 遗传算法解决符号回归

  3. 所属分类：其它

  1. URL-Malware-Analyzer：一种安全工具，可根据Logistic回归算法扫描URL并预测URL是否为恶意软件-源码

  2. URL-恶意软件分析器 扫描URL并预测URL是否为恶意的安全工具。 预测基于URL列表，相应的标签（可以在线使用大量列表）和Logistic回归算法模型（scikit Learn） 。 向量化 向量化是将文本文档集合转换为数字特征向量的一般过程。 这种特定的策略（标记化，计数和归一化）称为“词袋”或“ n-gram袋”表示。 通过单词出现来描述文档，而完全忽略文档中单词的相对位置信息。 sklearn.feature_extraction.text 文本分析是机器学习算法的主要应用领域。 但

  3. 所属分类：其它

  1. hd_log_reg：使用心脏病数据集的逻辑回归-源码

  2. 使用心脏病数据集进行Logistic回归 该项目是将Logistic回归应用于心脏病患者的数据集，并使用Rstudio创建回归模型以预测潜在患者。 使用的技术/框架 RStudio Rmarkdown 电子表格 使用的RStudio库 图书馆（MASS） 图书馆（插入符号） 图书馆（阿米莉亚） 库（caTools） 图书馆（pROC） 图书馆（ROCR） 图书馆（plyr） 图书馆（GGally） 图书馆（ggsci） 图书馆（cowplot） 图书馆（ggpubr） 安

  3. 所属分类：其它

  1. 插入符号：插入符号（分类和回归训练）R软件包，其中包含用于训练和绘制分类与回归模型的杂项函数-源码

  2. 分类和回归训练 训练和绘制分类和回归模型的其他功能。 详细文档位于 从CRAN安装当前版本： install.packages( ' caret ' ) 从GitHub安装开发版本： devtools :: install_github( ' topepo/caret/pkg/caret ' )

  3. 所属分类：其它

  1. sklearn-symbolic-regression：使用Scikit-learn估计器基类的基于堆栈的符号回归-源码

  2. 斯克莱恩-符号回归 使用Scikit-learn估计器基类的基于堆栈的符号回归。 这个项目 有用！ 但我怀疑您是否会想要使用它。 在将整个代码库移至sklearn pull请求之前，我将此仓库用作项目的暂存区。 如果您真的想在此之前使用它，请打开问题告知我，我将花费一些时间使此代码更易于使用和打包安装。 路线图 如果您想了解剩下要做的事情，请查看项目委员会。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：14kb
    • 提供者：weixin_42153793

  1. PySR：通过规则化的演化和模拟退火，在PythonJulia中进行简单，快速和并行的符号回归-源码

  2. （在python中像py一样发音，然后在Surface中像sur一样发音） 基于Julia并由Python接口的并行符号回归。 使用正则演化，模拟退火和无梯度优化。 请查看以获取此软件包的纯Julia后端。 符号回归是针对低维问题的一种非常可解释的机器学习算法：这些工具搜索方程空间以找到近似数据集的代数关系。 还可以通过使用神经网络作为代理将这些方法扩展到高维空间，如，我们将其应用于N体问题。 在这里，本质上是使用符号回归将神经网络转换为解析方程。 因此，这些工具同时提供了一种解释深度模型

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：32kb
    • 提供者：weixin_42131316

  1. SymbolicRegression.jl：Julia中的分布式符号回归-源码

  2. SymbolicRegression.jl：Julia中的分布式符号回归

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：40kb
    • 提供者：weixin_42175516
« 12 3 4 5 »