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. 文本向量化WVTool使用 和 原程序讲解

  2. 在我们进行数据挖掘学习的过程中，除了有现成的整理好的数据集供我们使用外，我们还需要自己构建数据集。对于做文本分类的研究者来说，要做的第一步就是要将文本向量化，然后在向量空间中对文本进行研究。这样就出现了一个问题，如何将文本向量化？WVTool是一款开源软件，它主要做文本词频方面的处理，对于实现文本向量化非常有用。它支持对文本、半结构化内容（Html、XML）的向量化处理功能。并且它现在与RapidMiner Data Mining suit （YALE）可以良好的集成，因此它的应用前景还是比较

  3. 所属分类：Java

    • 发布日期：2009-09-12
    • 文件大小：183296
    • 提供者：paco495631217

  1. 支持向量机中核函数的性能评价策略

  2. 继神经网络方法之后，支持向量机成为机器学习领域中的有效方法，但是核函数的评价和选取问题一直存在。该文从结构风险出 发，通过经验风险和置信区间2个方面对核函数的性能进行量化，给出评价核函数性能的公式，指出传统经验风险定义的缺陷，并提出了 一个新的定义。实验证明了该算法的可行性和有效性。

  3. 所属分类：网络基础

    • 发布日期：2009-12-08
    • 文件大小：192512
    • 提供者：qingchun456

  1. 智能识别技术课件(Intelligent Learning and Prediction)

  2. 哈工大苏统华老师的英文课件，这个专题讲授智能识别技术，共六个学时。包括的内容包括：1）模式识别的基本概念，模式识别系统的主要组成；2）讨论了线性分类器中的感知机学习和支持向量机理论和方法；3）以手写文字识别应用为背景，介绍了梯度特征提取、学习矢量量化分类器、N元文法等技术；4）给出智能识别理论在生物特征识别以及微软Kinect体感系统中的应用。

  3. 所属分类：专业指导

    • 发布日期：2012-03-28
    • 文件大小：5242880
    • 提供者：maotong

  1. 智能控制及其MATLAB实现2005李国勇编著.part3.rar

  2. 第一篇 神经网络控制及其MATLAB实现　第1章 神经网络控制理论　　1.1 神经网络的基本概念　　　1.1.1 生物神经元的结构与功能特点　　　1.1.2 人工神经元模型　　　1.1.3 神经网络的结构　　　1.1.4 神经网络的工作方式　　　1.1.5 神经网络的学习　　　1.1.6 神经网络的分类　　1.2 典型神经网络的模型　　　1.2.1 MP模型　　　1.2.2 感知机神经网络　　　1.2.3 自适应线性神经网络　　　1.2.4 BP神经网络　　　1.2.5 径向基神经网络　　　1

  3. 所属分类：网络基础

    • 发布日期：2008-07-11
    • 文件大小：4194304
    • 提供者：royalosyin

  1. 基于小波包能量特征及LVQ的目标检测方法研究

  2. 基于常规雷达的目标检测方法不能很好地适应冲击雷达目标的检测, 提出了一种基于小波包能量特征与LVQ 神经网络相结合的新颖目标检测方法; 首先利用小波包对目标回波信号进行分解, 以得到目标的能量特征量, 该特征量能明显区分目标和噪声; 然后将能量特征量送入学习向量量化(LVQ) 神经网络进行训练与仿真, 以实现对超宽带目标信号的检测; 仿真结果表明, 该方法能获得较高的检测概率, 较低的虚警概率。

  3. 所属分类：其它

    • 发布日期：2014-01-25
    • 文件大小：389120
    • 提供者：zgn_2008

  1. 工神经网络教程_韩力群

  2. 第1章 绪论 1.1 人工神经网络概述 1.2 人工神经网络发展简史 1.3 神经网络的基本特点与功能 1.4 神经网络的应用领域 本章小结 思考与练习 第2章 人工神经网络建模基础 2.1 脑的生物神经系统概述 2.2 生物神经网络基础 2.3 人工神经元模型 2.4 人工神经网络模型 2.5 神经网络学习 本章小结 思考与练习 第3章 感知器神经网络 3.1 单层感知器 3.2 多层感知器 3.3 自适应线性单元简介 3.4 误差反传算法 3.5 标准BP算法的改进 3.6 基于BP算法的

  3. 所属分类：讲义

    • 发布日期：2015-01-31
    • 文件大小：7340032
    • 提供者：taicangyun

  1. 人工神经网络实用教程

  2. 目录 前言 第1章 人工神经网络概述 1.1 神经网络的基本概念 1.1.1 生物神经元的结构与功能特点 1.1.2 人工神经元模型 1.1.3 神经网络的结构及工作方式 1.1.4 神经网络的学习 1.2 神经网络的特点及其应用 1.2.1 神经网络的特点 1.2.2 神经网络的应用领域 练习题 第2章 实用神经网络模型与学习算法 2.1 MATLAB快速入门 2.1.1 MATLAB界面组成 2.1.2 MATLAB基本运算 2.1.3 MATLAB绘图函数 2.2 感知器神经网络模型与学

  3. 所属分类：专业指导

    • 发布日期：2015-07-05
    • 文件大小：4194304
    • 提供者：lengwuqin

  1. 学习向量量化神经网络

  2. LVQ神经网络由输入层、隐含层和输出层三层组成，输入层与隐含层间为完全连接，每个输出层神经元与隐含层的神经元的不同组相连接，每个隐含层神经元只能和一个输出层神经元连接，但每个输出层神经元可以连接多个隐含层神经元。隐含层和输出层神经元之间的连接权值固定为1。

  3. 所属分类：机器学习

    • 发布日期：2017-10-05
    • 文件大小：580608
    • 提供者：qq_36294727

  1. 人工智能选股之支持向量机模型

  2. 人工智能选股之支持向量机模型在股票交易市场的中应用，值得学习与借鉴

  3. 所属分类：机器学习

    • 发布日期：2017-12-21
    • 文件大小：3145728
    • 提供者：ningyanggege

  1. （神经网络）

  2. 前馈网络（静态）：信息处理的方向是输入层到输出层逐层前向传递，某一层的输出是下一层的输入，不存在反馈环路。（ 感知器、BP误差反向传播、RBF径向基、线性神经网络、som自组织竞争神经网络、LVQ学习向量量化神经网络、Elman、CNN卷积神经网络、RNN递归神经网络） 反馈网络（动态）：存在信号从输出到输入的反向传播。输出作为输入返回前一层节点时具有闭环的反馈网络是递归网络。 监督训练：为神经网络提供输入和所需的输出；网络对输入的响应是计算出来的的，修改权重以减少实际和期望输出之间的差异；达

  3. 所属分类：讲义

    • 发布日期：2017-12-27
    • 文件大小：313344
    • 提供者：qq_41547766

  1. matlab神经网络基础

  2. 比较老的资源了，但是还是很经典的一本书，是深度学习的基础。前言 第1章 人工神经网络概述 1.1 神经网络的基本概念 1.1.1 生物神经元的结构与功能特点 1.1.2 人工神经元模型 1.1.3 神经网络的结构及工作方式 1.1.4 神经网络的学习 1.2 神经网络的特点及其应用 1.2.1 神经网络的特点 1.2.2 神经网络的应用领域 练习题 第2章 实用神经网络模型与学习算法 2.1 MATLAB快速入门 2.1.1 MATLAB界面组成 2.1.2 MATLAB基本运算 2.1.3

  3. 所属分类：深度学习

    • 发布日期：2019-03-24
    • 文件大小：29360128
    • 提供者：shangpanda

  1. 量化投资模型

  2. 机器学习(股票) 量化策略源码,本策略选取了七个特征变量组成了滑动窗口长度为15天的训练集,随后训练了一个二分类(上涨/下跌)的支持向量机模型. 若没有仓位则在每个星期一的时候输入标的股票近15个交易日的特征变量进行预测,并在预测结果为上涨的时候购买标的. 若已经持有仓位则在盈利大于10%的时候止盈,在星期五损失大于2%的时候止损. 特征变量为:1.收盘价/均值2.现量/均量3.最高价/均价4.最低价/均价5.现量6.区间收益率7.区间标准差

  3. 所属分类：金融

    • 发布日期：2019-03-26
    • 文件大小：3072
    • 提供者：cscwyk

  1. Neural Network Design.pdf

  2. 第1章 绪论1．1 目的1．2 历史1．3 应用1．4 生物学的启示参考文献第2章 神经元模型和网络结构2．1 目的2．1　理论和实例2．2．1 符号2．2．2　神经元模型2．2．3 网络结构2．3 小结2．4 例题2．5 结束语习题第3章 一个说明性实例3．1 目的3．2　理论和实例3．2．1 问题描述.3．2．2 感知机3．2．3 hamming网络3．2．4 hopfield网络3．3 结束语习题第4章 感知机学习规则4．1 目的4. 2 理论和实例4．2．1 学习规则4．2．2 感知机

  3. 所属分类：机器学习

    • 发布日期：2019-05-21
    • 文件大小：10485760
    • 提供者：bobbypro

  1. 学习向量量化.zip

  2. Ipynb源文件，学习向量量化Python实现，使用鸢尾花数据集

  3. 所属分类：机器学习

    • 发布日期：2019-09-26
    • 文件大小：4096
    • 提供者：qq_41398808

  1. 基于离散余弦变换低频分量特征及学习向量量化的煤岩识别方法

  2. 针对现有煤岩识别方法适用范围小、识别正确率低等问题,采用图像分块离散余弦变换处理煤岩图像,将每一个图像块的DCT变换系数以"Z"字型排列,构成表达图像块的向量;采用2种方式提取煤岩图像特征:一种是用图像块向量每一维的均值和所有图像块向量的总体方差构成煤岩图像特征向量,另一种是按照图像块DCT变换顺序,将图像块向量级联构成煤岩图像特征向量;采用学习向量量化神经网络进行煤岩识别,2种特征提取方式的识别准确率均为96.67%,比Haar小波方法提高了3.3%,比Daubechies小波方法提高了5.8

  3. 所属分类：其它

    • 发布日期：2020-04-25
    • 文件大小：312320
    • 提供者：weixin_38651661

  1. 基于LVQ-CPSO-BP算法的煤体瓦斯渗透率预测方法研究

  2. 针对BP神经网络算法对煤体瓦斯渗透率预测精度低问题,筛选出影响预测精度的5个主要因素——1个宏观因素(煤层埋深)和4个微观因素(有效应力、温度、瓦斯压力、抗压强度),提出一种基于学习向量量化神经网络(LVQ)分类、混沌粒子群算法(CPSO)优化、BP神经网络预测的LVQ-CPSO-BP煤体瓦斯渗透率预测方法。从宏观上确定临界值将煤层埋深划分为2层;基于有效应力与瓦斯渗透率之间存在拐点关系,从微观上确定拐点值将有效应力划分为2段;采用LVQ将4个微观样本参数依据拐点特征进行分类识别,采用BP神经网

  3. 所属分类：其它

    • 发布日期：2020-05-30
    • 文件大小：752640
    • 提供者：weixin_38502428

  1. 基于深度集成学习的人脸智能反馈认知方法

  2. 人脸识别技术是深度学习的重要研究领域。为了克服传统开环人脸认知模式以及深层神经网络结构的缺陷，模仿人类实时评测认知结果自寻优调节特征空间和分类认知准则的认知模式，借鉴闭环控制理论思想，探索了一种基于深度集成学习的人脸智能反馈认知方法。首先，基于DEEPID网络建立人脸图像由全局到局部具有确定映射关系的非结构化特征空间；其次，基于特征可分性评测和变精度粗糙集理论，从信息论角度建立非结构化动态特征表征的人脸认知决策信息系统模型，以约减非结构化特征空间；再次，采用集成随机权向量函数连接网络，构建简约非

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：604160
    • 提供者：weixin_38517122

  1. NLP词向量介绍

  2. 全文均为笔者的理解，不权威也不一定准确，如有错误欢迎指正。 NLP的核心问题，就是学习不同语境下的语义表示，所谓的语义表示呢，就是以量化的方式来表示一个单词，即我们今天要说的——词向量。词向量作为一种预训练模型在NLP领域应用非常广泛，词向量可以看作是用来表达词的语义。在这个领域，一个重要的挑战为一个单词在不同的上下文里有可能表示不一样的语义，该如何解决这个问题呢？那就是加入了上下文信息来区分同一词的多个的意义。而词向量又是如何发展为能进行一词多义的语义消歧的呢，那就一起看看词向量的发展之路吧！

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：316416
    • 提供者：weixin_38530536

  1. 深度学习之图像分类—-多分类支持向量机（Multi-SVM）与softmax分类

  2. 本文学习自该大V 概述: 由于KNN算法的局限性,我们需要实现更强大的方法来实现图像分类，一般情况下该方法包含两个函数，一是评分函数(score function)，它是原始图像到每个分类的分值映射，二是损失函数(loss function)，它是用来量化预测分类标签的得分与真实标签的一致性的。该方法可以转化为一个最优化问题,在最优化过程中,将通过更新评分函数的参数来最小化损失函数的值,从而使得我们找到一个更好的评分函数(参数W)。 从图像到标签分值的参数化映射 评分函数将图像的像素值映射为各个

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：265216
    • 提供者：weixin_38612095

  1. 深度神经网络同时进行特征学习和哈希编码

  2. 保留相似性的哈希是在大型图像检索任务中用于最近邻居搜索的一种广泛使用的方法。 对于大多数现有的散列方法，首先将图像编码为人工设计视觉特征的向量，然后再进行另一个单独的生成二进制代码的投影或量化步骤。 然而，这样的视觉特征向量可能与编码过程不是最佳兼容的，因此产生了次优的哈希码。 在本文中，我们提出了一种用于监督哈希的深度体系结构，该体系结构中的图像通过精心设计的深度神经网络映射为二进制代码。 所提出的深层架构的管线由三个构建块组成：1）带有一堆卷积层的子网，以产生有效的中间图像特征； 2）分割编

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：362496
    • 提供者：weixin_38704830
« 12 3 »