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. 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. 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. 基于相关向量机的瓦斯涌出量不确定性预测

  2. 为了分析瓦斯涌出量预测结果的不确定性,提出一种基于相关向量机的估计方法:依据稀疏贝叶斯学习模型,计算瓦斯涌出量样本空间的稀疏相关支持向量和相应的超参数,再计算预测结果的均值和方差,从而得出瓦斯涌出量预测结果的概率分布和置信区间。分析结果表明,3组检验样本的平均预测误差为1.74%,其实际值均在置信度为97%的置信区间内,与实际情况相符,这说明采用该方法可以得出瓦斯涌出量预测结果的概率分布,且具有预测精度高、所需支持向量少的优点。

  3. 所属分类：其它

    • 发布日期：2020-05-09
    • 文件大小：592896
    • 提供者：weixin_38744435

  1. 稀疏贝叶斯学习与相关向量机

  2. Sparse Bayesian Learning and the Relevance Vector Machine Michael E. Tipping 2001年的一篇早期资料，论述了贝叶斯框架下的回归与分类问题，并且结合了相关向量机方法进行学习。对于我们今天学习了解贝叶斯理论，SVM，依然有指导作用。

  3. 所属分类：机器学习

    • 发布日期：2020-02-23
    • 文件大小：958464
    • 提供者：cauchy

  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. 基于IRVM的锂电池荷电状态评估方法与仿真验证

  2. 针对相关向量机算法多步预测精度低和在线预测适应性差的问题，提出一种改进的增量相关向量机模型对锂离子电池的荷电状态进行在线预测。选择锂离子电池电压、充放电电流和表面温度作为模型的输入，荷电状态作为模型的输出，构造模型的训练集。选用快速序列稀疏贝叶斯学习算法进行训练，并结合增量学习法建立增量学习相关向量机模型进行锂离子电池在线预测方法研究。研究发现通过自动调整核参数的方法，可以保证有较高的预测精度。算法验证实验表明，该算法预测精度高、计算速度快且通用性强，可为锂离子电池荷电状态的预测与应用提供参考。

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：487424
    • 提供者：weixin_38638163