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. softmax回归（Matlab）

  2. softmax回归是逻辑回归的延伸，用来处理多分类问题，此代码是用matlab实现

  3. 所属分类：其它

    • 发布日期：2014-05-09
    • 文件大小：10485760
    • 提供者：u013067508

  1. softmax回归代码

  2. 用python编写的softmax回归代码，可实现多分类功能，需安装numpy和tensorflow库，tensorflow主要用到mnist手写数字的数据集，如果自备了数据的话可以不安装tensorflow。

  3. 所属分类：Python

    • 发布日期：2017-01-22
    • 文件大小：11534336
    • 提供者：genius198

  1. 多分类和数据不均衡问题

  2. 用softmax Regression模型解决线性可分问题，数据预处理问题，上采样，下采样，交叉验证等问题。

  3. 所属分类：专业指导

    • 发布日期：2018-05-27
    • 文件大小：68157440
    • 提供者：msyanjing

  1. softmax多分类.rar

  2. 在机器学习尤其是深度学习中，softmax是个非常常用而且比较重要的函数，尤其在多分类的场景中使用广泛。他把一些输入映射为0-1之间的实数，并且归一化保证和为1，因此多分类的概率之和也刚好为1。

  3. 所属分类：机器学习

    • 发布日期：2020-03-21
    • 文件大小：120832
    • 提供者：qq_27047075

  1. python _softmax多分类.rar

  2. 使用softmax 进行多分类，有py文件.html文件，ipynb文件。仅供参考学习。

  3. 所属分类：机器学习

    • 发布日期：2020-03-20
    • 文件大小：137216
    • 提供者：qq_27047075

  1. 深度学习softmax多分类数据集fashion-mnist.rar

  2. 可以直接加载tf.keras.datasets.fashion_mnist.load_data() 太慢可以使用现成的数据集可以直接放文件夹C:\Users\用户\.keras\datasets

  3. 所属分类：深度学习

    • 发布日期：2020-04-23
    • 文件大小：30408704
    • 提供者：weixin_34976988

  1. pytorch实现softmax多重分类

  2. 代码清晰的说明使用pytorch实现多重分类， 有十个分类标签，用到的思路就是贝叶斯朴素分类器的思想，多分类问题参照BCELoss的函数表达式可变成loss(yhat, y) = -y*log(yhat)，Torch.nn.EntropyLoss()交叉熵损失：包含softmax，log处理loss计算和非线性激活

  3. 所属分类：深度学习

    • 发布日期：2020-07-10
    • 文件大小：6144
    • 提供者：curse12

  1. PyTorch: Softmax多分类实战操作

  2. 主要介绍了PyTorch: Softmax多分类实战操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：181248
    • 提供者：weixin_38693528

  1. PyTorch: Softmax多分类实战操作

  2. 多分类一种比较常用的做法是在最后一层加softmax归一化，值最大的维度所对应的位置则作为该样本对应的类。本文采用PyTorch框架，选用经典图像数据集mnist学习一波多分类。 MNIST数据集 MNIST 数据集(手写数字数据集)来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：182272
    • 提供者：weixin_38687904

  1. 为什么机器学习（三）—— 为什么softmax这样求导

  2. 最近机器学习课有个作业是实现softmax多分类鸢尾花数据集，之前从来没推过softmax的公式，直接拿来用了，好好研究了一下，发现这个原理的推导还是有不少复杂的东西，分享一下结果，公式比较复杂，直接上手写了。 根据推导的结果，利用numpy手动实现了基于Iris数据集的softmax多分类,准确率有97.77% import numpy as np from sklearn import datasets from matplotlib import pyplot as plt class

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：320512
    • 提供者：weixin_38742460

  1. softmax及python实现过程解析

  2. 相对于自适应神经网络、感知器，softmax巧妙低使用简单的方法来实现多分类问题。 功能上，完成从N维向量到M维向量的映射 输出的结果范围是[0, 1]，对于一个sample的结果所有输出总和等于1 输出结果，可以隐含地表达该类别的概率 softmax的损失函数是采用了多分类问题中常见的交叉熵，注意经常有2个表达的形式 经典的交叉熵形式：L=-sum(y_right * log(y_pred))， 具体 简单版本是: L = -Log(y_pred),具体 这两个版本在求导过

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：89088
    • 提供者：weixin_38752907

  1. Tensorflow学习实战之多层神经网络mnist手写识别

  2. Tensorflow学习实战之多层神经网络mnist手写识别数据准备构建模型训练模型评估结果可视化显示输出错误预测 激活函数： sigmod函数为s型 relu为修正线性单元函数 tanh双曲正切 这里使用的relu激活函数，输出使用softmax多分类，中间使用了3层隐藏层，优化器使用AdamOptimizer，损失函数定义loss_function=tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=forward,la

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：475136
    • 提供者：weixin_38611527

  1. 深度学习之图像分类—-多分类支持向量机（Multi-SVM）与softmax分类

  2. 本文学习自该大V 概述: 由于KNN算法的局限性,我们需要实现更强大的方法来实现图像分类，一般情况下该方法包含两个函数，一是评分函数(score function)，它是原始图像到每个分类的分值映射，二是损失函数(loss function)，它是用来量化预测分类标签的得分与真实标签的一致性的。该方法可以转化为一个最优化问题,在最优化过程中,将通过更新评分函数的参数来最小化损失函数的值,从而使得我们找到一个更好的评分函数(参数W)。 从图像到标签分值的参数化映射 评分函数将图像的像素值映射为各个

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：265216
    • 提供者：weixin_38612095

  1. Softmax回归

  2. 应用场景 Softmax回归虽然名字叫回归，但它在多个线性回归输出基础上，经过了softmax operator，且最小化的是交叉熵损失，被用作多分类。 Softmax回归应用于多分类场景，也即给定多个特征，预测各类别的概率，比如图片多类别分类。 类似的，Logistics回归是在单个线性回归输出的基础上，经过了sigmoid operator，且最小化的是交叉熵损失，被用作二分类。 模型 特征数mmm，类别数qqq，样本数nnn。 单样本 在每个类别上的预测值都是一个线性回归计算； 在qqq个

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：70656
    • 提供者：weixin_38551046

  1. 【人工智能学习】【二】Softmax与分类模型

  2. Softmax回归 上篇文章线性回归本质上是回归问题。本篇要介绍的是一个分类问题。softmax回归是一个单层神经网络，在前一篇博客中，输入数据的维度是2，这里以Fashion-MNIST数据集为例，输入的是2828的图像。将2828的图像像素拉直，得到的是输入784维度的输入数据。所以本例当中输入数据的维度为784，那么上一篇文章中的W WW矩阵维度也就变成784维。 上篇文章线性回归当中，输出的是1维数据，在Softmax回归中，输出的是多维的数据，具体来说就是图片的类别，这个类别可能是猫、

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：112640
    • 提供者：weixin_38636983

  1. 使用嵌入了Softmax回归和多个神经网络的深度信任网络来学习用于人脸识别的分层表示

  2. 在人脸识别和分类中，基于标记数据不足的特征提取和分类是一个众所周知的难题。 为了解决这个问题，本文提出了一种新的半监督学习算法，称为深度信念网络，嵌入了Softmax回归算法（DBNESR）。 DBNESR首先通过深度学习来学习特征的层次表示，然后使用Softmax回归进行更有效的分类。 同时，我们基于监督学习设计了多种分类器：BP，HBPNN，RBF，HRBFNN，SVM和多分类决策融合分类器（MCDFC）-混合HBPNNs- HRBFNNs-SVM分类器。 实验证明：首先，提出的半监督深度学

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_38607784

  1. 复杂背景下车型识别分类器

  2. 细粒度车型图像的类间特征差异小，在复杂图片背景中识别干扰因素多。为提高模型在复杂背景中对图像的特征提取能力和识别准确度，提出了基于支持向量机（SVM）和深度卷积神经网络（DCNN）的分类器集成模型Softmax-SVM。它将交叉熵代价函数与hinge损失函数相结合，代替Softmax函数层，减少了过拟合的发生。同时，设计了一个10层的DCNN提取特征，避免了手工提取特征的难题。实验数据集为复杂背景下的27类精细车型图像，尤其还包含同一汽车厂商的相近车型。实验结果表明，在不进行大量预处理的前提下，

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：7340032
    • 提供者：weixin_38704156

  1. softmax回归（Matlab）

  2. softmax回归是逻辑回归的延伸，用来处理多分类问题，此代码是用matlab实现 softmax回归是逻辑回归的延伸，用来处理多分类问题，此代码是用matlab实现

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：10485760
    • 提供者：liqibiao666

  1. softmax分类 独热编码

  2. 对数几率回归解决的是二分类的问题， 对于多个选项的问题，我们可以使用softmax函数，它是对数几率回归在 N 个可能不同的值上的推广。 神经网络的原始输出不是一个概率值，实质上只是输入的数值做了复杂的加权和（乘以w+b）与非线性处理之后的一个值而已，那么 如何将这个输出变为概率分布？  -这就是Softmax层的作用了 softmax要求每个样本必须属于某个类别，且所有可能的样本均被覆盖 1.softmax个样本分量之和为 1   （1）概率之和为1.预测一个人来自广州，还是广西，上海等

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：263168
    • 提供者：weixin_38534352

  1. TensorFlow实现MLP多层感知机模型

  2. 一、多层感知机简介 Softmax回归可以算是多分类问题logistic回归，它和神经网络的最大区别是没有隐含层。理论上只要隐含节点足够多，即时只有一个隐含层的神经网络也可以拟合任意函数，同时隐含层越多，越容易拟合复杂结构。为了拟合复杂函数需要的隐含节点的数目，基本上随着隐含层的数量增多呈指数下降的趋势，也就是说层数越多，神经网络所需要的隐含节点可以越少。层数越深，概念越抽象，需要背诵的知识点就越少。在实际应用中，深层神经网络会遇到许多困难，如过拟合、参数调试、梯度弥散等。 过拟合是机器学习中的

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：90112
    • 提供者：weixin_38716590
« 12 3 4 »