您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 1stOpt1.0拟合软件

  2. 1stOpt是七维高科有限公司(7D-Soft High Technology Inc.)独立开发,拥有完全自主知识产权的一套数学优化分析综合工具软件包。在非线性回归,曲线拟合,非线性复杂工程模型参数估算求解等领域傲视群雄,首屈一指,居世界领先地位。除去简单易用的界面,其计算核心是基于七维高科有限公司科研人员十数年的革命性研究成果【通用全局优化算法】(Universal Global Optimization - UGO),该算法之最大特点是克服了当今世界上在优化计算领域中使用迭代法必须给出合
  3. 所属分类:其它

    • 发布日期:2009-08-02
    • 文件大小:5242880
    • 提供者:dovechen
  1. 插值与拟合与误差分析

  2. 简单统计手段: 如计算平均值、标准差和画直方图等。 插值与拟合 回归与误差分析 系统误差----偏差,来自于系统,有规律,可避免 随机误差----无偏,来自随机因素,无规律,不可避免 但可通过增加试验次数来减小之 过失误差----明显歪曲实验结果的误差, 来自异常数据
  3. 所属分类:专业指导

    • 发布日期:2009-09-02
    • 文件大小:2097152
    • 提供者:martin222112
  1. 最小二乘法圆拟合算法C#实现

  2. 这是一个圆拟合器,它能产生随机点,也能读取相应格式的点数据。采用最小二乘法,实现对任意给定点的圆拟合。使用语言为C#
  3. 所属分类:C#

    • 发布日期:2011-03-01
    • 文件大小:307200
    • 提供者:icefire06
  1. 数学建模实验报告(拟合)

  2. 用给定的多项式,y=x3-6x2+5x-3,产生一组数据(xi,yi,i=1,2,…,n),再在yi上添加随机干扰(可用rand产生(0,1)均匀分布随机数,或用rands产生N(0,1)分布随机数),然后用xi和添加了随机干扰的yi作的3次多项式拟合,与原系数比较。 如果作2或4次多项式拟合,结果如何? 三次拟合: x=1:0.5:10; y=x.^3-6*x.^2+5*x-3; y1=y; for i=1:length(y) y1(i)=y1(i)+rand; end
  3. 所属分类:专业指导

    • 发布日期:2012-02-20
    • 文件大小:2097152
    • 提供者:neu_caoyuan
  1. sas各种随机拟合的程序

  2. 便于sas软件的初学者快速掌握随机拟合的方法
  3. 所属分类:其它

    • 发布日期:2012-12-09
    • 文件大小:208896
    • 提供者:zyx061212
  1. 三维平面线性回归拟合

  2. #线性方程z=a∗x+b∗y+c表示空间一平面 xx, yy = np.meshgrid(np.linspace(0,10,10), np.linspace(0,100,10)) zz = 1.0 * xx + 3.5 * yy + np.random.randint(0,100,(10,10)) #随机生成空间上的x,y,z坐标 print(yy) # 构建成特征值的形式 X, Z = np.column_stack((xx.flatten(),yy.flatten())), zz.flat
  3. 所属分类:机器学习

    • 发布日期:2018-10-07
    • 文件大小:1024
    • 提供者:qq_33912144
  1. 卡尔曼滤波器中过程噪声矩阵的解析计算,用于拟合密集厚散射体中磁场中的弯曲轨迹

  2. 在通过卡尔曼滤波器进行的轨道拟合问题的情况下,随机过程噪声矩阵的元素的适当功能形式被导出,用于通过密集材料和磁场的厚层进行跟踪。 这项工作是对Mankel [1]获得的过程噪声矩阵的形式的补充。
  3. 所属分类:其它

    • 发布日期:2020-03-26
    • 文件大小:1048576
    • 提供者:weixin_38719635
  1. PSO-BP网络模型在GPS高程拟合中的应用

  2. 文中介绍了一种全局随机优化算法—粒子群优化算法,并将其应用于BP网络模型的参数优化。在基本BP算法的误差反向传播调整权值的基础上,引入粒子群算法(PSO)进行权值修正,建立一个PSO优化的BP网络模型进行GPS高程拟合,并与基于遗传算法优化的BP网络模型(GA-BP)、支持向量机模型(SVM)和基本BP网络模型的拟合结果进行分析比较。结果表明,PSO-BP网络优化模型性能略高于GA-BP网络模型的性能,明显优于SVM模型和BP网络模型。
  3. 所属分类:其它

    • 发布日期:2020-05-28
    • 文件大小:212992
    • 提供者:weixin_38727199
  1. 基于改进均值滤波和参数拟合的矿井TOA几何定位方法

  2. 针对矿井巷道环境内存在大量的设备和设施,会造成电磁波传播的NLOS(non line of sight)时延、对矿井TOA(time of arrival)定位精度产生不利影响,根据成因将巷道电磁波传播NLOS时延分为随机NLOS时延和固定NLOS时延,分析了两类NLOS时延造成测距误差的特点。为了分步抑制两类NLOS时延造成的TOA测距定位误差,提出基于改进均值滤波和参数拟合的矿井TOA几何定位算法。针对巷道随机NLOS时延造成的以脉冲形式存在的TOA测距误差,提出基于偏差值丢弃的加权均值滤波
  3. 所属分类:其它

    • 发布日期:2020-05-31
    • 文件大小:365568
    • 提供者:weixin_38690089
  1. MATLAB编好的MC随机仿真、插值、傅里叶级数、回归拟合、神经网络

  2. 包括了MC随机仿真、插值、傅里叶级数、回归拟合、神经网络等基本的算法,编译均无误了。初学者可以现成地套用、学习。
  3. 所属分类:其它

    • 发布日期:2020-06-30
    • 文件大小:20480
    • 提供者:weixin_44671418
  1. 机器学习-03. 梯度下降和过拟合和归一化(下)

  2. 人工智能基础视频教程零基础入门课程 第三章(下) 人工智能基础视频教程零基础入门课程,不需要编程基础即可学习,共15章,由于整体课程内容太大,无法一次传输,分章节上传。 第一章 人工智能开发及远景介绍(预科) 第二章 线性回归深入和代码实现 第三章 梯度下降和过拟合和归一化 第四章 逻辑回归详解和应用 第五章 分类器项目案例和神经网络算法 第六章 多分类、决策树分类、随机森林分类 第七章 分类评估、聚类 第八章 密度聚类、谱聚类 第九章 深度学习、TensorFlow安装和实现 第十章 Ten
  3. 所属分类:机器学习

    • 发布日期:2020-07-15
    • 文件大小:1007681536
    • 提供者:suolong123
  1. 机器学习-03. 梯度下降和过拟合和归一化(上)

  2. 人工智能基础视频教程零基础入门课程 第三章(上) 人工智能基础视频教程零基础入门课程,不需要编程基础即可学习,共15章,由于整体课程内容太大,无法一次传输,分章节上传。 第一章 人工智能开发及远景介绍(预科) 第二章 线性回归深入和代码实现 第三章 梯度下降和过拟合和归一化 第四章 逻辑回归详解和应用 第五章 分类器项目案例和神经网络算法 第六章 多分类、决策树分类、随机森林分类 第七章 分类评估、聚类 第八章 密度聚类、谱聚类 第九章 深度学习、TensorFlow安装和实现 第十章 Ten
  3. 所属分类:机器学习

    • 发布日期:2020-07-15
    • 文件大小:805306368
    • 提供者:suolong123
  1. Task03:过拟合、欠拟合及其解决方案;梯度消失、梯度爆炸;循环神经网络进阶

  2. Task03: 过拟合、欠拟合及其解决方案;梯度消失、梯度爆炸;循环神经网络进阶 目录 Task03: 过拟合、欠拟合及其解决方案;梯度消失、梯度爆炸;循环神经网络进阶 1、过拟合、欠拟合及其解决方案 1.1 训练误差和泛化误差 1.2 模型选择 1.3 过拟合和欠拟合 1.4 权重衰减 1.5 丢弃法 2、梯度消失、梯度爆炸 2.1 定义 2.2 随机初始化模型参数 2.3 考虑环境因素 3、循环神经网络进阶 3.1 门控循环单位(GRU) 3.2 长短期记忆(LSTM) 3.3 深度循环神经
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:711680
    • 提供者:weixin_38575536
  1. pytorch_task3过拟合欠拟合;梯度消失爆炸;循环神经网络

  2. Task3过拟合、欠拟合及其解决方案训练误差、泛化误差模型选择验证数据集K折交叉验证过拟合欠拟合概念模型复杂度解决过拟合权重衰减(加上L2范数惩罚项)丢弃法梯度消失、梯度爆炸初始化模型参数Xavier随机初始化协变量偏移标签偏移概念偏移循环神经网络循环神经网络构造RNN简洁实现实践one-hot向量 过拟合、欠拟合及其解决方案 训练误差、泛化误差 前者指模型在训练数据集上表现出的误差。 后者指模型在任意一个测试数据样本上表现出的误差的期望,并常常通过测试数据集上的误差来近似。 模型选择 验证数据
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:179200
    • 提供者:weixin_38665629
  1. Pytorch——梯度下降的变化,数据预处理,权重初始化,防止过拟合

  2. 文章目录梯度下降的变化1. SGD随机梯度下降2. Momentum3. Adagrad4. RMSprop5. Adam数据预处理1. 中心化2. 标准化3. PCA主成分分析4. 白噪声权重初始化1. 随机初始化2. 稀疏初始化3. 初始化偏置(bias)4. 批标准化(Batch Noemalization)防止过拟合1. 正则化2. Dropout 梯度下降的变化 1. SGD随机梯度下降 每次使用一批(batch)数据进行梯度的计算,而不是计算全部的梯度 2. Momentum SGD
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:58368
    • 提供者:weixin_38728276
  1. 《动手学深度学习》Task03 :过拟合、欠拟合及其解决方案;梯度消失、梯度爆炸;循环神经网络进阶

  2. 一、模型选择、过拟合和欠拟合 模型选择 验证数据集 从严格意义上讲,测试集只能在所有超参数和模型参数选定后使用一次。不可以使用测试数据选择模型,如调参。由于无法从训练误差估计泛化误差,因此也不应只依赖训练数据选择模型。鉴于此,我们可以预留一部分在训练数据集和测试数据集以外的数据来进行模型选择。这部分数据被称为验证数据集,简称验证集(validation set)。例如,我们可以从给定的训练集中随机选取一小部分作为验证集,而将剩余部分作为真正的训练集。 K折交叉验证 由于验证数据集不参与模型训练,
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:1048576
    • 提供者:weixin_38743084
  1. pytorch实现task3——过拟合、欠拟合及其解决方案;梯度消失、梯度爆炸;循环神经网络进阶

  2. 过拟合、欠拟合及解决方案在之前自己已经使用较多较熟练,故跳过。 梯度消失、梯度爆炸 深度模型有关数值稳定性的典型问题是消失(vanishing)和爆炸(explosion)。 当神经网络的层数较多时,模型的数值稳定性容易变差。 在神经网络中,通常需要随机初始化模型参数。随机初始化模型参数的方法有很多。在线性回归的简洁实现中,我们使用torch.nn.init.normal_()使模型net的权重参数采用正态分布的随机初始化方式。不过,PyTorch中nn.Module的模块参数都采取了较为合理的
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:74752
    • 提供者:weixin_38690739
  1. AI03过拟合欠拟合;梯度消失、梯度爆炸;卷积神经网络基础

  2. 过拟合欠拟合及其解决方案 训练误差和泛化误差 训练误差:模型在训练数据集上表现出的误差 泛化误差:模型在任意一个测试数据样本上表现出的误差的期望,并常常通过测试数据集上的误差来近似。 机器学习模型应关注降低泛化误差。 模型选择 验证数据集 预留一部分在训练数据集和测试数据集以外的数据来进行模型选择。这部分数据被称为验证数据集,简称验证集(validation set)。例如,我们可以从给定的训练集中随机选取一小部分作为验证集,而将剩余部分作为真正的训练集。 K折交叉验证 把原始训练数据集分割成K
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:263168
    • 提供者:weixin_38562392
  1. Curve_Fitting_Genetic_Algorithms:人工智能的应用。相对于模拟退火算法(无偏爬坡),着眼于遗传算法(进化搜索)的性能。我们还将查看变化的参数以及它们对所得曲线拟合表达式的适应度得分的结果-源码

  2. 遗传算法的曲线拟合 由Max Wiesner *前往projectDetails.ipynb进行运行和测试模拟 高级别简报 在这个项目中,我们将研究遗传算法如何使用进化搜索来变异多个世代,以找到回归曲线目标。我们将把结果与汇总退火算法进行比较,并查看通过这两种方法获得的总体适用性,以及两者之间的运行时间差异。我们将运用这些技术来估计以下五个功能。 性能还将取决于我们在下面列出的每种算法的不同输入。注意,该项目的主要重点是遗传算法和进化搜索,而不是汇总退火算法,因此,我们将不深入分析随温度,冷却速
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:440320
    • 提供者:weixin_42111465
  1. COVID随机拟合:用于将随机模型拟合到COVID数据的存储库-源码

  2. COVID随机拟合 代码和数据存储库,用于拟合美国SARS-CoV-2传输的州级随机模型。 概述 请访问网站链接以获取有关模型的说明,拟合过程,结果以及更多详细信息。 简而言之,该存储库包含重现我们的工作所需的数据和代码,该工作适合SEIR模型,以适用于美国50个州的SARS-CoV-2病例和死亡的每日报告。 我们的工作严重依赖R包盛况。 如何产生结果 与生成结果相关的三个主要例程: 下载数据并为每个状态创建pomp模型对象 拟合模型使用盛况::数据mif2功能通过迭代滤波来执行最大似然估计。
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:466616320
    • 提供者:weixin_42118770
« 12 3 4 5 6 7 8 9 10 ... 19 »