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. 支持向量机与神经网络的区别

  2. 二者在形式上有几分相似,但实际上有很大不同。 简而言之，神经网络是个“黑匣子”，优化目标是基于经验风险最小化，易陷入局部最优，训练结果不太稳定，一般需要大样本； 而支持向量机有严格的理论和数学基础，基于结构风险最小化原则, 泛化能力优于前者，算法具有全局最优性, 是针对小样本统计的理论。 目前来看，虽然二者均为机器学习领域非常流行的方法，但后者在很多方面的应用一般都优于前者。 神经网络是基于传统统计学的基础上的.传统统计学研究的内容是样本无穷大时的渐进理论,即当样本数据趋于无穷多时的统计性质,

  3. 所属分类：专业指导

    • 发布日期：2012-11-21
    • 文件大小：3072
    • 提供者：chyzh2012

  1. 基于BP神经网络的五子棋学习系统的设计与实现

  2. 机器学习和神经网络是人工智能领域重要的研究内容。人工智能的研究很多以 棋类作为研究对象来对人工智能的算法进行研究和深化。计算机博弈生成着法的核 心是搜索和评估函数。在五子棋的搜索深度加深的同时，大多使用的是静态评估函 数，而这些评估函数又是人为设定的，程序的棋力在一定程度上取决于设计者对五 子棋的理解。局面估值的准确性在很大程度上决定了博弈程序的棋力高低。

  3. 所属分类：专业指导

    • 发布日期：2017-11-02
    • 文件大小：1048576
    • 提供者：hurricane91

  1. 山东大学机器学习实验

  2. 山东大学机器学习实验,包括6个大实验 许信顺 教授 山东大学软件园校区计算机科学与技术学院 山东省济南市舜华路1500号, 邮编：250101 Email: xuxinshun@sdu.edu.cn 2002年于山东大学计算机科学与技术学院获硕士学位，2005年于日本Toyama University获博士学位。2005年加入山东大学计算机科学与技术学院，被聘为副教授，2010年晋升为教授。现为山东大学软件学院教授、博士生导师，机器学习与媒体分析学科带头人。详细信息可访问：http://mim

  3. 所属分类：机器学习

    • 发布日期：2018-07-01
    • 文件大小：20971520
    • 提供者：qq406736552

  1. MATLAB神经网络43个案例分析 pdf

  2. 本书论述在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，如BP神经 网络、RBF神经网络、SVM、SOM神经网络、灰色神经网络、决策树、随机森林、小波神经网络、NARX神经网络等以及各种优化算法与神经网络的结合

  3. 所属分类：机器学习

    • 发布日期：2018-08-28
    • 文件大小：53477376
    • 提供者：aiqinghee

  1. BP神经网络详解与实例_BP算法_神经网络_机器学习_马尔科夫链.ppt

  2. BP神经网络详解与实例_BP算法_神经网络_机器学习_马尔科夫链，是一个专门介绍神经网络的详细文档，对于机器学习与神经网络学习中的概念与含义有详细阐述，并对马尔科夫链有样例

  3. 所属分类：互联网

    • 发布日期：2020-09-13
    • 文件大小：1048576
    • 提供者：weixin_40833319

  1. 通信与网络中的基于GA和神经网络的非线性特征变换

  2. 摘要：在分析传统方法的基础上，将GA与神经网络相结合，提出了一种特征变换的新方法，二者优势互补，通过与传统的特征选择方法比较，用实例验证了该方法的正确性和可信性。      关键词：GA 神经网络 特征选择 特征变换 在机器学习和KDD领域，事物的属性和属性取值反映了事物的本质和度量，为了描述一致，统称为模式特征。在传统文献中，模式特征一般分为物理特征、结构特征和数学特征[1-2]。 物理特征和结构特征容易被人类感官所接受，便于直接识别对象。在人工智能领域，物理特征和结构特征以数学特征的

  3. 所属分类：其它

    • 发布日期：2020-12-13
    • 文件大小：123904
    • 提供者：weixin_38724333

  1. python机器学习之神经网络（二）

  2. 由于Rosenblatt感知器的局限性，对于非线性分类的效果不理想。为了对线性分类无法区分的数据进行分类，需要构建多层感知器结构对数据进行分类，多层感知器结构如下： 该网络由输入层，隐藏层，和输出层构成，能表示种类繁多的非线性曲面，每一个隐藏层都有一个激活函数，将该单元的输入数据与权值相乘后得到的值(即诱导局部域)经过激活函数，激活函数的输出值作为该单元的输出，激活函数类似与硬限幅函数，但硬限幅函数在阈值处是不可导的，而激活函数处处可导。本次程序中使用的激活函数是tanh函数，公式如下：

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：160768
    • 提供者：weixin_38674050

  1. 简单粗暴理解与实现机器学习之神经网络NN（五）：神经网络案例DNN文本多分类——IMDB电影评论文本的神经网络分类

  2. 文章目录7.5 案例：DNN文本多分类学习目标7.5.1 IMDB电影评论文本的神经网络分类参数 7.5 案例：DNN文本多分类 学习目标 目标 无 应用 应用tf estimator完成文本分类 7.5.1 IMDB电影评论文本的神经网络分类 目的：对IMDB电影评论数据进行训练，预测分类 步骤： 1、电影评论数据读取 2、模型输入特征列指定 3、模型训练与保存 1、电影评论数据读取 我们将要使用的数据集是 IMDB Large Movie Review Dataset，包含用于训练的 250

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：57344
    • 提供者：weixin_38711041

  1. CV学习第三课——机器学习之线性回归与逻辑回归

  2. 1机器学习 定义：假设用P来评估计算机程序在某任务类T上的性能，若一个程序通过利用经验E在T中任务上获得了性能改善，则我们就说关于T和P，该程序对E进行了学习。 这也是机器学习目前的困境所在，只能针对单方面的事物进行学习，还不会变通。 1.1机器学习与人工智能关系 其关系可参考阅读链接： 人工智能、机器学习、深度学习、神经网络概念说明 用一张图可表示如下： 1.2机器学习分类 机器学习分类参考 机器学习通常分为四类，每类又细分如下 A监督学习 监督学习经典分两类： 1.Regression回归问

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：331776
    • 提供者：weixin_38724333

  1. xaby:功能性机器学习的乐趣-源码

  2. XABY：功能机器学习 我一直想尝试用Python进行函数式编程，特别是针对机器学习和神经网络的函数式编程。 通常，神经网络是操作序列的集合。 我认为，看看是否可以仅通过这些操作的函数调用来构建网络体系结构会很有趣。 我不能在这里说纯粹的功能，因为对于相同的输入，纯函数具有完全相同的输出。 训练时会更新模型，因此即使模型是单个函数，在给定静态输入的情况下输出也会发生变化。 从技术上讲，您可以为每次更新返回一个新模型，但这会占用大量内存。 我还与Python的运算符弄混了一些乐趣。 链接函数的

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：18432
    • 提供者：weixin_42165490

  1. 如何用自动机器学习实现神经网络进化

  2. 对大多数从事机器学习工作的人来说，设计一个神经网络无异于制作一项艺术作品。神经网络通常始于一个常见的架构，然后我们需要对参数不断地进行调整和优化，直到找到一个好的组合层、激活函数、正则化器和优化参数。在一些知名的神经网络架构，如VGG、Inception、ResNets、DenseNets等的指导下，我们需要对网络的变量进行重复的操作，直到网络达到我们期望的速度与准确度。随着网络处理能力的不断提高，将网络优化处理程序自动化变得越来越可行。在像RandomForests和SVMs这样的浅模型中，我

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：491520
    • 提供者：weixin_38720322

  1. 机器学习与神经网络

  2. 本文于sohu,介绍了作为产品经理需要了解算法的原理以及它的边界和优势，能够知道在不同场景下应用什么算法什么模型可以达到目的。机器学习如今已算是在互联网圈家喻户晓的名词了。现实生活中其实也早有很多应用，什么无人驾驶，人脸识别，智能音响等等。去年七月国家发布了《新一代人工智能发展规划》，说明人工智能领域已经上升到了国家战略层面。身边一直羡慕的土豪朋友们五年后的长线股也都已经买好了。五年后的事情我不知道，但是对我印象最深的就是去年互联网大会，原先人们口中的互联网现在都改名叫传统互联网了。当我们还在理

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：340992
    • 提供者：weixin_38503483

  1. DeepAI：DeepAI出版物的参考库-arXiv神经网络和机器学习原理的研究与开发-源码

  2. 深度人工智能 DeepAI出版物库，包含arXiv机器学习，神经网络和人工智能研究与开发

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：47185920
    • 提供者：weixin_42160252

  1. machinelearning：机器学习和数据科学笔记本-源码

  2. 数学与机器学习 数学 设置，度量，积分和顺序理论 代数 分析 拓扑结构 范畴论 随机 机器学习组件（神经网络） 成本函数 优化器 激活功能 正则化 应用机器学习与数据科学 时间序列分析与预测 强化学习 拓扑数据分析 量子机器学习 收敛交叉映射和成对不对称推理 矩阵分解

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：7340032
    • 提供者：weixin_42101720

  1. Neural_Network_Charity_Analysis：神经网络模型分析-源码

  2. 在本模块中，将使用Python中的TensorFlow平台探索和实现神经网络。 讨论了计算神经元的背景和历史，以及应用于深度学习的神经网络的当前实现。 讨论了不同神经网络的主要成本和收益，并将这些成本与传统的机器学习分类和回归模型进行比较。 此外，还练习了跨许多不同的数据集（包括图像，自然语言和数字数据集）实施神经网络和深度神经网络。 最后，学习了如何存储和检索经过训练的模型以用于更强大的用途。 统计分析概述： 在此模块挑战中，将执行数据分析以帮助基金会（字母汤）预测在何处进行投资。 使用了机

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：827392
    • 提供者：weixin_42135773

  1. 复旦机器学习与深度学习.zip

  2. 深度学习资料集合：(1.1.1)--神经网络基础.pdf，(1.4.1)--银行客户流失预测.pdf，(2.1.1)--深度学习应用概况.pdf，(3.1.1)--卷积神经网络基础.pdf，(3.11.1)--卷积笔记.pdf，(4.1.1)--卷积神经网络算法.pdf，(4.7.1)--VGG动物识别.pdf，(5.1.1)--循环神经网络模型.pdf，(5.7.1)--股票预测.pdf，(6.1.1)--目标检测.pdf，(6.14.1)--任务检测.pdf，(7.1.1)--生成对抗网络.

  3. 所属分类：深度学习

    • 发布日期：2021-02-08
    • 文件大小：99614720
    • 提供者：weixin_43207204

  1. pennylane：PennyLane是一个跨平台的Python库，用于对量子计算机进行差异化编程。 以与神经网络相同的方式训练量子计算机-源码

  2. 是一个跨平台的Python库，用于对量子计算机进行。 以与神经网络相同的方式训练量子计算机。 主要特点 量子硬件上的机器学习。 连接到使用PyTorch，TensorFlow，JAX，Keras，或NumPy的量子硬件。 建立丰富而灵活的混合量子经典模型。 设备无关。 在不同的量子后端上运行相同的量子电路。 安装可以访问更多设备，包括Strawberry Fields ， Amazon Braket ， IBM Q ， Google Cirq ， Rigetti Forest ， Qula

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：16777216
    • 提供者：weixin_42109125

  1. gorgonia：Gorgonia是一个有助于在Go中促进机器学习的图书馆-源码

  2. Gorgonia是一个有助于在Go中促进机器学习的图书馆。 轻松编写和评估涉及多维数组的数学方程式。 如果听起来像或 ，那是因为想法很相似。 具体来说，该库是像Theano这样的低级库，但具有更高的目标（如Tensorflow）。 Gorgonia： 可以执行自动区分 可以执行符号区分 可以执行梯度下降优化 可以进行数值稳定 提供许多便利功能来帮助创建神经网络 相当快（与Theano和Tensorflow的速度相比） 支持CUDA / GPGPU计算（尚不支持OpenCL，发送拉取请求）

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：82837504
    • 提供者：weixin_42151729

  1. 如何用自动机器学习实现神经网络进化

  2. 对大多数从事机器学习工作的人来说，设计一个神经网络无异于制作一项艺术作品。神经网络通常始于一个常见的架构，然后我们需要对参数不断地进行调整和优化，直到找到一个好的组合层、激活函数、正则化器和优化参数。在一些知名的神经网络架构，如VGG、Inception、ResNets、DenseNets等的指导下，我们需要对网络的变量进行重复的操作，直到网络达到我们期望的速度与准确度。随着网络处理能力的不断提高，将网络优化处理程序自动化变得越来越可行。 在像RandomForests和SVMs这样的浅模型中，

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：475136
    • 提供者：weixin_38606202

  1. 机器学习与神经网络

  2. 本文于sohu,介绍了作为产品经理需要了解算法的原理以及它的边界和优势，能够知道在不同场景下应用什么算法什么模型可以达到目的。机器学习如今已算是在互联网圈家喻户晓的名词了。现实生活中其实也早有很多应用，什么无人驾驶，人脸识别，智能音响等等。去年七月国家发布了《新一代人工智能发展规划》，说明人工智能领域已经上升到了国家战略层面。身边一直羡慕的土豪朋友们五年后的长线股也都已经买好了。五年后的事情我不知道，但是对我印象最深的就是去年互联网大会，原先人们口中的互联网现在都改名叫传统互联网了。当我们还在理

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：340992
    • 提供者：weixin_38632763
« 12 3 4 5 6 7 8 9 10 ... 25 »