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. GPU精粹2：高性能图形芯片和通用计算编程技...part1.rar

  2. 本书目录 第Ⅰ部分 几何复杂性 第1章 实现照片级真实感的虚拟 植物 5 1.1 场景管理 6 1.1.1 种植栅格 6 1.1.2 种植策略 6 1.1.3 实时优化 7 1.2 草层 7 1.2.1 通过溶解模拟Alpha透明 9 1.2.2 变化 10 1.2.3 光照 11 1.2.4 风 12 1.3 地面杂物层 12 1.4 树和灌木层 13 1.5 阴影 14 1.6 后处理 15 1.6.1 天空圆顶辉散 16 1.6.2 全场景辉光 16 1.7 本章小结 17 参考文献 1

  3. 所属分类：硬件开发

    • 发布日期：2012-02-07
    • 文件大小：61865984
    • 提供者：on__no

  1. 稀疏线性预测

  2. 本文是一篇语音信号的线性预测应用了稀疏性的文章，介绍了3种思想，值得一看！

  3. 所属分类：电信

    • 发布日期：2012-11-16
    • 文件大小：238592
    • 提供者：sgsg1621

  1. matlab6.0数学手册

  2. MATLAB 已成为多学科、多种工作平台的功能强大、界面友好、语言自然并且开放性强的大型应用软件，目前的最高版本是6.0 版。本教程以6.0 版为基础，从高等工科院校的数学课程出发，提供了使用MATLAB 的实践性指导。本教程以教学的手段，系统详细地介绍了MATLAB 在高等数学、数值分析、函数作图、线性代数、概率统计和优化理论中的应用，并配备了大量的例题，让读者能很快掌握MATLAB 的运算技巧。 本教程按逻辑编排，自始至终用实例描述，既适用于初学者自学，也适用于高级 MATLAB 用户。可

  3. 所属分类：专业指导

    • 发布日期：2013-12-28
    • 文件大小：6291456
    • 提供者：u013305490

  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：17408
    • 提供者：lhyzguolei

  1. R语言 所有分类数据回归

  2. #glmnet包含有线性回归，逻辑回归，泊松计数模型，cox回归模型，多分类逻辑回归多响应线性回归 #阿法系数=0是岭回归，阿法系数=1，是lasso回归 ############################################################ data(QuickStartExample) #20 Independent variables and 1 dependent variable fit<-glmnet(x,y) #查看计算路径 print(f

  3. 所属分类：讲义

    • 发布日期：2017-08-30
    • 文件大小：1024
    • 提供者：qq_36813206

  1. Factorization Machines 学习笔记

  2. Factorization Machines（简称 FM）的算法，它可对任意的实值向量进行预测。其主要优点包括: 1) 可用于高度稀疏数据场景；2) 具有线性的计算复杂度。本文将对 FM 框架进行简单介绍，并对其训练算法 — 随机梯度下降（SGD）法和交替最小二乘（ALS）法进行详细推导。

  3. 所属分类：机器学习

    • 发布日期：2017-10-11
    • 文件大小：2097152
    • 提供者：qq_18857415

  1. sklearn0.19中文文档

  2. sklearn0.19中文文档 PDF格式高清。 .1. 广义线性模型 1.1.1. 普通最小二乘法 1.1.1.1. 普通最小二乘法复杂度 1.1.2. 岭回归 1.1.2.1. 岭回归的复杂度 1.1.2.2. 设置正则化参数：广义交叉验证 1.1.3. Lasso 1.1.3.1. 设置正则化参数 1.1.3.1.1. 使用交叉验证 1.1.3.1.2. 基于信息标准的模型选择 1.1.3.1.3. 与 SVM 的正则化参数的比较 1.1.4. 多任务 Lasso 1.1.5. 弹性网络

  3. 所属分类：机器学习

    • 发布日期：2018-10-30
    • 文件大小：14680064
    • 提供者：hardpen2013

  1. matlab开发-用于非线性定向的稀疏线性和邻域嵌入

  2. matlab开发-用于非线性定向的稀疏线性和邻域嵌入。我在ICCES 2015的“稀疏编码预测”研究论文中使用的matlab代码和数据

  3. 所属分类：其它

    • 发布日期：2019-08-27
    • 文件大小：1048576
    • 提供者：weixin_38743602

  1. 爱因斯坦引力三点函数从共形场理论

  2. 我们在具有较大N和稀疏谱的四维共形场理论中研究应力张量相关函数。 此类中的理论有望具有局部全息对偶，因此anti-de Sitter中的有效场论表明应力张量扇区应表现出普遍的，类似重力的行为。 在线性化水平上，出现的几何体中局部性的标志是应力张量三点函数〈TTT〉（通常由三个常数指定）应随着单个自变量的增加而与高自旋算符的距离增大而接近由一个参数控制的通用结构。 。 我们通过直接CFT计算来证明这种现象。 除非仔细调整三点函数，并且唯一一致的选择与爱因斯坦引力的预测完全匹配，否则应力张量交换本

  3. 所属分类：其它

    • 发布日期：2020-04-02
    • 文件大小：578560
    • 提供者：weixin_38724919

  1. 相关向量机做多元回归预测分类

  2. 相关向量机做回归预测分类都能实现，回归预测使用RVR类，分类使用RVC。 RVM是支持向量机的稀疏贝叶斯模拟，具有许多优点： 它提供了概率估计，而不是SVM的点估计。 通常提供比SVM更稀疏的解决方案，后者倾向于使支持向量的数量随训练集的大小线性增长。 不需要选择复杂度参数以避免过度拟合

  3. 所属分类：互联网

    • 发布日期：2020-05-17
    • 文件大小：9216
    • 提供者：j_thame_myhome

  1. scikit-learn-0.21.3-中文文档.pdf

  2. scikit-learn 是基于 Python 语言的机器学习工具 简单高效的数据挖掘和数据分析工具 可供大家在各种环境中重复使用 建立在 NumPy ，SciPy 和 matplotlib 上 开源，可商业使用 - BSD许可证1.监督学习 1广义线性模型 °1.1.1普通最小二乘法 1.1.2岭回归 1.1.3LaSs0 o1.1.4多任务 Lasso 115弹性网络 o116多任务弹性网络 1.1.7最小角回归 1.1. 8 LARS Lasso 1.19正交匹配追踪法(OMP 1.1.1

  3. 所属分类：机器学习

    • 发布日期：2019-08-24
    • 文件大小：41943040
    • 提供者：h394266861

  1. 雷达的数字波束形成 文献

  2. 雷达的数字波束形成第卷增刊1 邱文杰译:雷达的数字波束形成 在数字处理器中,加权运算的精确和可预测的性质最终可以最佳和最快地控制天线波束 形状 13接收机校准方便 在任何系统中,至少有一部分波束形成过程是在多个接收机之后进行的,系统在接收机 各通道以及天线中的增益和相位误差是敏感的。这些误差的范围将直接影响波束形状的“质 量’,所以必须将它们或保持在可接受的低电平上,或用某些方式来补偿。正如后面第14节 中指出的,数字波束形成法允许选择后一方案,从而避免了要求接收机通道内有非常严格的 绝对公差或

  3. 所属分类：电信

    • 发布日期：2019-03-16
    • 文件大小：1048576
    • 提供者：yanchuan23

  1. GPU上基于稀疏矩阵-矢量乘法统计的性能预测

  2. 作为线性代数中最重要和最重要的运算之一，近年来，稀疏矩阵矢量乘法（SpMV）在GPU上的性能预测越来越受到关注。 在2012年，Guo和Wang提出了一个新的想法来预测SpMV在GPU上的性能。 但是，他们没有完全考虑矩阵的结构，因此对于通用的稀疏矩阵，他们的模型预测的执行时间往往不准确。 为了解决这个问题，我们提出了两个新的相似模型，这些模型考虑了矩阵的结构并使性能预测模型更加准确。 此外，我们通过CUDA平台上的新模型预测了SpMV在CSR-V，CSR-S，ELL和JAD稀疏矩阵存储格式下的

  3. 所属分类：其它

    • 发布日期：2020-06-05
    • 文件大小：14680064
    • 提供者：weixin_38544075

  1. 具有分层组稀疏性的判别式结构化字典学习

  2. 学习用于稀疏编码的自适应词典一直是最新研究的重点，因为它提供了一种使稀疏表示效率最大化的有前途的方法。特别是，学习判别词典而不是重构词典已证明在模式识别方面的性能得到了显着提高。本文提出了一种有力的判别词典学习方法。在字典学习过程中，我们通过促进分层组稀疏性并减少稀疏代码的线性预测误差来增强稀疏代码的可分辨性。借助班级内部联合协作的稀疏性，我们的方法能够从标记的数据中学习自适应词典进行分类，这鼓励了系数在组级别和单例级别上都是稀疏的，从而增强了稀疏代码的可分离性。受益于字典和分类器的联合学习，稀

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：1048576
    • 提供者：weixin_38752830

  1. 权衡预加白的转向响应功率方法用于声源定位

  2. 本文提出了一种权衡预加白到声源定位的转向响应功率（SRP）方法。 为了获得有效的麦克风信号折衷滤波，语音振幅谱的稀疏性用于建立凸约束线性预测模型，该模型可以通过分裂Bregman方法求解。 提出的方法通过相变预滤波方法统一了传统的SRP和操纵响应功率，并从定位性能的角度实现了两者之间的良好折衷。 在嘈杂和混响的环境中证明了该方法的优越性。

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：596992
    • 提供者：weixin_38752282

  1. 基于改进栈式稀疏去噪自编码器的自适应图像去噪

  2. 针对栈式稀疏去噪自编码器（SSDA）在图像去噪上训练难度大、收敛速度慢和普适性差等问题，提出了一种基于栈式修正降噪自编码器的自适应图像去噪模型。采用线性修正单元作为网络激活函数，以缓解梯度弥散现象；借助残差学习和批归一化进行联合训练，加快收敛速度；而为克服新模型对噪声普适性差等问题，需要对其进行多通道并行训练，充分利用网络挖掘出的潜在数据特征集计算出最优通道权重，并通过训练权重权重预测模型预测出各通道最优权重，从而实现自适应图像去噪。实验结果表明：与目前降噪较好的BM3D和SSDA方法相比，所提

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：5242880
    • 提供者：weixin_38736652

  1. sparseBottleneck：一个稀疏的瓶颈神经网络，通过其基因表达来预测神经元的电生理特性-源码

  2. 探索性分析和可视化神经补丁序列数据的稀疏瓶颈网络 稀疏的瓶颈神经网络，可以根据基因表达预测神经元的电生理特性。 这里的工作是“稀疏瓶颈网络的探索性分析和可视化神经补丁序列数据”论文的扩展： : 。 要求： 特别是TensorFlow和Keras。 我们为TensorFlow使用了1.13.1版本，为Keras使用了2.2.4版本（ ）。 Glmnet，一个用于拟合带有ridge和lasso（ ）惩罚的广义线性模型的软件包。 这些笔记本尚未经过TensorFlow 2的测试。 对于稀疏

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：420478976
    • 提供者：weixin_42122838

  1. 简化的 Slope One 在线评分预测算法

  2. 个性化推荐系统是大数据时代信息过滤的有效手段，影响推荐系统预测准确性的主要原因之一是数据稀疏性。Slope One 评分预测推荐算法采用简单的线性回归模型解决数据稀疏问题，具有易于实现、评分预测速度快的特点，但它在训练阶段生成项目之间评分差的时间和空间消耗大，训练阶段需离线进行。为解决以上问题，提出一种简化的 Slope One 算法———Simplified Slope One，以两项目历史平均分之差代替项目评分差，来降低算法的时间复杂度和空间复杂度，简化耗时最多的生成项目之间评分差的过程，以

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：2097152
    • 提供者：weixin_38703626

  1. MathematicaForPrediction：用于预测和个性化的机器学习算法的Mathematica实现-源码

  2. 使命宣言 该开源项目适用于统计和机器学习算法的Mathematica（Wolfram语言）实现，可用于数据分析，预测，预测和推荐系统。 许可事项 所有代码文件和可执行文件均具有GPL 3.0许可证。 有关详细信息，请参见 。 所有文档均带有Creative Commons Attribution 4.0 International（CC BY 4.0）许可证。 有关详细信息，请参见 。 组织 在Mathematica软件包文件（“ * .m”）中给出了算法的实现。 在Mathematica笔

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：60817408
    • 提供者：weixin_42099070

  1. 基于稀疏编码和分类器集成的多实例学习图像分类

  2. 本文提出了一种基于稀疏编码和分类器集成的多实例学习框架下的图像分类方法。 具体而言，从所有训练包的实例中学习字典。 包的每个实例都表示为字典中所有基本向量的稀疏线性组合，然后，包也表示为一个特征向量，该特征向量是通过包内所有实例的稀疏表示来实现的。 因此，MIL问题被转换为可以通过众所周知的单实例学习方法（如支持向量机（SVM））解决的单实例学习问题。 有两种提高分类性能的策略：第一，通过使用不同大小的字典重复使用上述方法来获得组件分类器。 其次，将分类器集合的结果用于预测。 与最新的MIL方法

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：262144
    • 提供者：weixin_38663973
« 12 »