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. 稀疏信号与压缩感知系列讲座PPT（李廉林老师）

  2. 稀疏信号处理理论、方法及应用研究进展概况 稀疏信号的表示与采样原理 稀疏信号重建算法之梯度优化方法 鲁班稀疏Bayesian优化方法 压缩感知滤波器等应用实例

  3. 所属分类：专业指导

    • 发布日期：2014-05-06
    • 文件大小：8388608
    • 提供者：shenlannn

  1. Bayesian Personalized Ranking

  2. 这里我们为大家介绍一种“基于贝叶斯后验优化的个性化排序算法”：Bayesian Personalized Ranking。 其本身并不优化用户对物品的评分，而只藉由评分来优化用户对物品的排序。按照论文的说法：it is a real ranking algorithm.

  3. 所属分类：算法与数据结构

    • 发布日期：2018-07-14
    • 文件大小：260096
    • 提供者：qq_32099969

  1. Bayesian Optimization 详细讲义PPT

  2. 贝叶斯优化算法，包括内容： 贝叶斯优化算法BOA 背景介绍 贝叶斯优化流程 形式化 算法流程 核心算法 Prior Function Acquisition Function

  3. 所属分类：讲义

    • 发布日期：2019-05-02
    • 文件大小：27262976
    • 提供者：vickybai58

  1. rembo, 在高维的随机嵌入中，贝叶斯优化.zip

  2. rembo, 在高维的随机嵌入中，贝叶斯优化 REMBO这里软件包包含纸张"基于随机嵌入的bayesian维贝叶斯优化"的代码。 本文试图解决高维贝叶斯优化问题。 有关详细信息，请阅读纸张( http://www.cs.ubc.ca/~ziyuw/papers/rembo.pdf

  3. 所属分类：其它

    • 发布日期：2019-09-18
    • 文件大小：373760
    • 提供者：weixin_38743481

  1. 2019_Online Meta-Learning.pdf

  2. Online Learning有点像自动控制系统，但又不尽相同，二者的区别是：Online Learning的优化目标是整体的损失函数最小化，而自动控制系统要求最终结果与期望值的偏差最小。 Online Learning训练过程也需要优化一个目标函数（红框标注的），但是和其他的训练方法不同，Online Learning要求快速求出目标函数的最优解，最好是能有解析解。 一般的做法有两种：Bayesian Online Learning和Follow The Regularized Leade

  3. 所属分类：互联网

    • 发布日期：2020-05-03
    • 文件大小：1048576
    • 提供者：weixin_38313113

  1. Uncertainty.rar

  2. 深度学习模型不确定性领域重要文献，主要介绍了贝叶斯方法和SGLD优化算法，以及重要性采样算法，包括Yarin Gal的博士论文，Marco Tulio Ribeiro的“Why Should I Trust You?”和Alex Kendall的What Uncertainties Do We Need in Bayesian Deep Learning for Computer Vision?等经典论文

  3. 所属分类：深度学习

    • 发布日期：2020-04-07
    • 文件大小：25165824
    • 提供者：weixin_40371649

  1. 基于快速密度聚类的电力通信网节点重要性评估.pdf

  2. 电力通信网的节点重要性评估是电力通信研究的一个重要议题。针对目前电力通信网节点重要性评估存在 的连接权值单一以及评价指标单一等问题，利用电力通信网的带宽和距离作为权值，计算电力通信网节点的多种 评价指标：节点强度、节点紧密度以及节点的介数。基于电力通信网节点的多种评价指标，利用快速密度聚类方 法建立电力通信网的节点重要性评估模型，为电网通信的规划做支撑。通过快速密度聚类方法进行无监督的分类， 将节点分为若干个重要性等级。该方法可以有效地改善基于距离的无监督分类方法的不足。利用某省的实际电

  3. 所属分类：其它

    • 发布日期：2019-09-13
    • 文件大小：403456
    • 提供者：weixin_38743481

  1. 1 新技术篇-机器学习概述.pdf

  2. 机器学习在中国,随着人们物质基础得提升,寿命的增长以及环境的影响,癌症每年正以...以及正在被应用于癌症研究的新技术、新方法,什么是机器学习? 不同的定义: “机器学习是一门人工智能的科学,主 要研究对象是人工智能,特别是如何在 raining Data 经验学习中改善具体算法的性能。” “机器学习是对能通过经验自动改进的 计算机算法的研究。” Random Tuning 机器学习是使用数据或以往的经验 Learning Algorithm 以此优化计算机程序的性能标准 ◇总结如下: 人工智能的

  3. 所属分类：机器学习

    • 发布日期：2019-07-06
    • 文件大小：621568
    • 提供者：u010461615

  1. lssvm的葡萄酒较好分类效果.zip

  2. 通过使用lssvm对葡萄酒数据集进行分类然后使用lssvm工具箱，哈哈。1) 同样是对原始对偶问题进行求解，但是通过求解一个线性方程组（优化目标中的线性约束导致的）来代替SVM中的QP问题（简化求解过程），对于高维输入空间中的分类以及回归任务同样适用；   2) 实质上是求解线性矩阵方程的过程，与高斯过程（Gaussian processes），正则化网络（regularization networks）和费雪判别分析（Fisher discriminant analysis）的核版本相结合；

  3. 所属分类：机器学习

    • 发布日期：2020-06-24
    • 文件大小：43008
    • 提供者：qq_42232540

  1. 统计机器学习笔记.zip

  2. 1. Frequentist （频率派）： The Frequentist approach views the model parameters as unknown (constant) and estimate them by matching the model to the training data. Using an appropriate metric. 频率派观点认为，模型参数是未知的（常数），⽤恰当的准则，使得模型与训练数据相匹配来估计它们 （参数）。 2. Bayesian

  3. 所属分类：讲义

    • 发布日期：2020-07-09
    • 文件大小：10485760
    • 提供者：weixin_45745242

  1. Taking the Human Out of the Loop- A Review of Bayesian Optimization.pdf

  2. 贝叶斯优化 综述 Abstract: Big Data applications are typically associated with systems involving large numbers of users, massive complex software systems, and large-scale heterogeneous computing and storage architectures. The construction of such systems inv

  3. 所属分类：机器学习

    • 发布日期：2020-07-14
    • 文件大小：1048576
    • 提供者：m0_37384317

  1. stantargets:具有目标和cmdstanr的可重现贝叶斯数据分析管道-源码

  2. stantargets stantargets R软件包是对Bayesian数据分析的和的扩展。 stantargets使得设置有用的可扩展Stan管道变得非常容易，该管道可自动并行化计算并在结果已为最新时跳过昂贵的步骤。需要最少的自定义代码，并且不需要手动配置分支，因此使用比单独使用容易得多。 stantargets可以访问的所有主要算法（MCMC，变分贝叶斯算法和优化），并且支持单拟合工作流和多重复仿真研究。 先决条件 的。 基本了解 ：观看6至40分钟，然后阅读。 熟悉贝叶斯统计和。事先

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：439296
    • 提供者：weixin_42122881

  1. BayesianOptimization：具有高斯过程的全局优化的Python实现-源码

  2. 贝叶斯优化 具有高斯过程的贝叶斯全局优化的纯Python实现。 PyPI（点）： $ pip install bayesian-optimization 来自conda-forge频道的Conda： $ conda install -c conda-forge bayesian-optimization 这是基于贝叶斯推理和高斯过程的受约束的全局优化程序包，它试图在尽可能少的迭代中找到未知函数的最大值。 该技术特别适合于高成本功能的优化，在这种情况下，勘探与开发之间的平衡很重要。 快

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：16777216
    • 提供者：weixin_42150341

  1. 一种基于Bayesian信念网络的客户行为预测方法

  2. 提出一种基于Bayesian信念网络(BN)的客户行为预测方法.通过知识学习构建客户行为Bayesian网络(CBN),根据CBN对预实例计算联合分布概率,准确预测了一对一营销优化中的客户行为.CBN学习算法包括连线和定向部分,复杂为O(N4)条件相关测试.在零售行业一对一营销实际应用表明,CBN学习算法较现有BN学习算法更快构建CBN,预测精度高于朴素Bayesian分类法.

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：396288
    • 提供者：weixin_38581405

  1. 基于贝叶斯-粒子群算法的微电网优化运行

  2. 对微电网分析方法中的粒子群算法进行优化，解决局部最优收敛问题。从贝叶斯网络法（Bayesian Network，BN）角度出发，分析风能、光伏系统的概率分布情况，引入可再生因子和单位电力生产成本等系统条件，与粒子群算法（Particle Swarm Optimization，PSO）进行结合，实现对微电网的总费用最低的优化目标。仿真结果显示，BN-PSO联合法克服微电网局部最优的缺陷，实现微电网的快速优化。因此，BN-PSO法可以有效解决微电网中随机事件的优化运行问题，为解决此类问题提供新思路。

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：1048576
    • 提供者：weixin_38691453