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. sigmoid函数的实现.PDF

  2. sigmoid函数是神经网络中常用的函数，本PDF讲述了用FPGA实现sigmoid函数的方法

  3. 所属分类：硬件开发

    • 发布日期：2009-10-08
    • 文件大小：378880
    • 提供者：chw2002

  1. sigmoid函数

  2. sigmoid函数 柔性神经网络采用了柔性的sigmoid函数

  3. 所属分类：C/C++

    • 发布日期：2013-02-05
    • 文件大小：727040
    • 提供者：marit624

  1. sigmoid函数的FPGA实现

  2. sigmoid函数的FPGA实现 将神经网络中最常用的一类传递函数 用FPGA实现出来

  3. 所属分类：硬件开发

  1. 基于Sigmoid函数参数调整的双隐层BP神经网络的板形预测

  2. 基于Sigmoid函数参数调整的双隐层BP神经网络的板形预测

  3. 所属分类：专业指导

    • 发布日期：2013-07-31
    • 文件大小：120832
    • 提供者：dlcheng

  1. 基于 Sigmoid函数拟合的亚像素边缘检测方法

  2. 亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径, 文中对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析 ,提出了Sigmoid函数拟合的亚像素边缘定位算法.该算法采用 Sigmoid函数拟合边缘模型,利用图像边缘灰度信息对模型进行非线性最小二乘拟合 , 求得边缘的亚像素位置 .理论分析和实验结果表明 , 基于 Sigmoid函数拟合的亚像素边缘定位算法的定位精度为 0.045像素 ,但检测的速度比灰度矩提高了一个数量级 ,比空间矩 、Zernike

  3. 所属分类：其它

    • 发布日期：2016-12-16
    • 文件大小：257024
    • 提供者：x454045816

  1. 基于泰勒级数展开法的sigmoid函数的硬件实现

  2. 本代码主要采用matlab模拟硬件实现sigmoid的原理。 本代码的具体实现细节，可以参考我的博文--Sigmoid函数的特性及硬件实现方法--含matlab代码及讲解 https://blog.csdn.net/qq_35721810/article/details/85320293 直接运行test.m就可以看到运行结果

  3. 所属分类：硬件开发

    • 发布日期：2018-12-29
    • 文件大小：2048
    • 提供者：qq_35721810

  1. 基于sigmoid函数的采空区渗透率模型及瓦斯流场模拟应用

  2. 为研究综放工作面的高抽巷对采空区瓦斯流动的控制作用,基于sigmoid函数建立了采空区三维非均质渗透率模型,模型参数能够反映采空区分区、分带特性。以塔山煤矿特厚煤层厚硬顶板条件下的综放工作面为工程背景,由于缺乏"三带"高度经验公式,离散元程序被用于研究其采空区分区、分带特性。通过模型对比和现场监测,分析了采空区渗透率模型的准确性,并结合CFD模拟研究了高抽巷对采空区内流态和瓦斯浓度分布的影响。结果表明,厚硬顶板综放开采条件下运用离散元模拟比综采经验公式得到的"三带"结果更为准确;建立的渗透率模型

  3. 所属分类：其它

    • 发布日期：2020-04-29
    • 文件大小：932864
    • 提供者：weixin_38719635

  1. 基于SVM和sigmoid函数的字符识别自适应学习算法

  2. 在SVM算法和sigmoid函数的基础上，提出了一种字符识别自适应学习算法，该算法通过自适应修正sigmoid函数的参数，使sigmoid函数能够较好地拟合自适应数据输出距离的类别后验概率分布，从而提高对自适应数据的识别率。

  3. 所属分类：其它

    • 发布日期：2020-07-31
    • 文件大小：69632
    • 提供者：weixin_38741540

  1. Sigmoid函数的分段非线性拟合法及其FPGA实现

  2. 使用分段非线性逼近算法计算超越函数，以神经网络中应用最为广泛的Sigmoid函数为例，结合函数自身对称的性质及其导数不均匀的特点提出合理的分段方法，给出分段方式同逼近多项式阶数对逼近结果精度的影响。完成算法在FPGA上的硬件实现，给出一种使用三阶多项式处理Sigmoid函数的拟合结果及流水线架构，处理精度达到10-5数量级，最大频率达到127.327 MHz，满足了高速、高精度的处理要求。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：230400
    • 提供者：weixin_38746166

  1. python 深度学习中的4种激活函数

  2. 这篇文章用来整理一下入门深度学习过程中接触到的四种激活函数，下面会从公式、代码以及图像三个方面介绍这几种激活函数，首先来明确一下是哪四种： Sigmoid函数 Tahn函数 ReLu函数 SoftMax函数 激活函数的作用 下面图像A是一个线性可分问题，也就是说对于两类点(蓝点和绿点)，你通过一条直线就可以实现完全分类。 当然图像A是最理想、也是最简单的一种二分类问题，但是现实中往往存在一些非常复杂的线性不可分问题，比如图像B，你是找不到任何一条直线可以将图像B中蓝点和绿点完

  3. 所属分类：其它

    • 发布日期：2020-12-16
    • 文件大小：137216
    • 提供者：weixin_38502510

  1. 如何理解非线性？用sigmoid函数画一个封闭曲线进行可视化解释

  2. 线性函数的分类的一个缺点就是只能做线性分割，因为线性函数(y=kx+b)之间无论怎么做线性组合，最后得到的还是线性函数y=kx+b，这样就不能完成类似异或问题这样的非线性分割。 那么怎么做非线性分割呢，其实中学中我们已经学过了二次曲线，二次曲线之所以能画出一个封闭的曲线，就是因为它的非线性，一方面是因为它的导数不是常数，另外一个方面，它的单调性也不是唯一的，也就是有曲线的拐点，这样就可以让曲线拐弯，最后和起点汇合形成封闭曲线。 我们观察最基本的圆方程： x^2 + y^2=1 我们如果引入函数f

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：88064
    • 提供者：weixin_38654380

  1. 【Pytorch】BCELoss和BCEWithLogitsLoss损失函数详解

  2. 在Pytorch中，BCELoss和BCEWithLogitsLoss是一组常用的二元交叉熵损失函数，常用于二分类问题，其区别在于前者的输入为已进行sigmoid处理过的值，而后者为sigmoid函数11+exp⁡(−x)\frac{1}{1+\exp(-x)}1+exp(−x)1​中的xxx。 下面为一个简单的示例： import torch import torch.nn as nn predicts = torch.tensor([[0.4,0.7,1.2,0.3], [1.1,0.6,0

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：36864
    • 提供者：weixin_38513794

  1. 神经网络的激活函数之sigmoid

  2. 根据每一层前面的激活、权重和偏置，我们要为下一层的每个激活计算一个值，但在将该值发送给下一层之前，要是用激活函数对这个输出进行缩放。 sigmoid函数 sigmoid函数是一个logistic函数，意思是说不管输入什么，输出都在0到1之间，也就是输入的每个神经元、节点或激活都会被锁放在一个介于0到1之间的值。 sigmoid 这样的函数常被称为非线性函数，因为我们不能用线性的项来描述它。很多激活函数都是非线性或者线性和非线性的组合 这个问题与反向传播有关，在反向传播中，我们要计算每个权重的梯

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：53248
    • 提供者：weixin_38693084

  1. logistic回归的损失函数（lost function）原理

  2. logistic回归的损失函数和极大似然估计的关系 记 Φ(x)=11+e−θx \Phi(x)=\frac{1}{1+e^-{\theta x}} Φ(x)=1+e−θx1​ 我们可以把这个sigmoid函数的值看做y等于1的后验估计概率，也就是： p(y=1∣x)=Φ(x) p(y=1|x)=\Phi(x) p(y=1∣x)=Φ(x) 那么y=0的时候自然是补事件 p(y=0∣x)=1−Φ(x) p(y=0|x)=1-\Phi(x) p(y=0∣x)=1−Φ(x) 我们可以把这两个式子简化一

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：35840
    • 提供者：weixin_38502722

  1. ReLU激活函数杂谈

  2. 在实现多层感知机代码实现中使用了ReLU激活函数： ReLU(x)=max(x,0)ReLU(x)=max(x,0)ReLU(x)=max(x,0) 形状大概是这样的 这里根据几个问题来进行回答解释 为什么要使用激活函数呢？ 简单来说激活函数的作用就是将仿射函数进行非线性化，可以拟合出更多的情况。更详细的解答可以参考知乎激活函数的解释 ReLU函数的梯度问题 首先谈一下sigimoid函数的梯度，通常不选用它是因为sigmoid函数可能有梯度消失的情况，原因可以看它的梯度函数图 可以看到蓝色

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：60416
    • 提供者：weixin_38733333

  1. 可编程双极性sigmoid函数及其导数发生器

  2. 可编程双极性sigmoid函数及其导数发生器

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：999424
    • 提供者：weixin_38610277

  1. 基于Sigmoid函数局部视觉适应模型的真实影像再现

  2. 为解决图像采集与显示设备之间的动态范围差异,色调映射技术试图建立一种由高到低的动态范围映射关系,可用于一般图像的真实影像再现。在不同亮度适应水平下,人眼能产生不同的响应特性及对比度敏感性,从而同时响应不同明暗的光强。由此建立了一种局部视觉适应的再现算法,采用具有参数控制的Sigmoid函数来模拟视觉适应的S形非线性特点,得到不同局部亮度适应水平下的压缩曲线,因此能较好地协调图像整体对比度、亮度调整与局部增强之间的关系,在增强图像较暗区域的同时,极大程度地保持亮区细节。经主观评价与特征统计参数相结

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：7340032
    • 提供者：weixin_38745003

  1. 人工神经网络计算大气点扩展函数

  2. 大气点扩展函数(PSF)是开展光学遥感邻近效应研究和校正的有效方法。基于蒙特卡罗模拟获得的大气PSF，设计足够多带有Sigmoid函数的隐藏神经元和线性输出神经元的两层前馈神经网络，采用Levenberg-Marquardt反向传播算法，获得了大气、光谱和观测几何等输入参数与大气PSF之间的关系。模拟结果证明该方法能够在相对较短的时间内，以95%的计算精度产生预期的大气PSF的近似值。

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：4194304
    • 提供者：weixin_38705252

  1. 激活函数（ReLU、sigmoid、tanh）的简单理解

  2. ReLU函数 ReLU（rectified linear unit）函数提供了⼀个很简单的⾮线性变换。给定元素 ，该函数定义为： 可以看出，ReLU函数只保留正数元素，并将负数元素清零。函数图像如下图： 显然，当输⼊为负数时，ReLU函数的导数为0；当输⼊为正数时，ReLU函数的导数为1。尽管输⼊为0 时ReLU函数不可导，但是我们可以取此处的导数为0。绘制ReLU函数的导数图像： sigmoid函数 sigmoid函数可以将元素的值变换到0和1之间，函数定义： sigmoid函数在早期

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：148480
    • 提供者：weixin_38622125

  1. Softmax函数原理及Python实现过程解析

  2. Softmax原理 Softmax函数用于将分类结果归一化，形成一个概率分布。作用类似于二分类中的Sigmoid函数。 对于一个k维向量z，我们想把这个结果转换为一个k个类别的概率分布p(z)。softmax可以用于实现上述结果，具体计算公式为： 对于k维向量z来说，其中zi∈R，我们使用指数函数变换可以将元素的取值范围变换到(0,+∞),之后我们再所有元素求和将结果缩放到[0,1],形成概率分布。 常见的其他归一化方法，如max-min、z-score方法并不能保证各个元素为正，且和为1。

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：46080
    • 提供者：weixin_38670529
« 12 3 4 5 6 7 8 9 10 »