搜索资源列表
generate_two_moons
- 《神经网络与机器学习》第三版,第一章課後習題, 使用 Matlab 創造兩個半月形隨機分佈數據點-" Neural Networks and Machine Learning," third edition, the first chapter after-school exercise, use Matlab to create two half-moon random distribution of data points
BikeShare
- 本程序和文档为应用神经网络技术实现对华盛顿地区自行车租赁需求分析的系统,数据 来源与 https://www.kaggle.com/c/bike-sharing-demand。本程序并非商业软件,而是中国科 学院大学 2014 级研究生机器学习课程作业。-This program and documentation for the application of neural network technology to achieve system in the Washington ar
machine-learning-ex4
- 斯坦福机器学习编程作业machine-learning-ex4,神经网络模型,Neural Networks Learning题目,满分,2015最新作业答案 matlab代码-Stanford machine learning Programming Exercise 4: machine-learning-ex4
Deep-learning-and-new-progress-
- 深度学习是机器学习中的一个新的研究领域。通过深度学习的方法构建深度网络来抽取特征是目 前目标和行为识别中得到关注的研究方向。为引起更多计算机视觉领域研究者对深度学习进行探索和讨论,并推 动目标和行为识别的研究,对深度学习及其在目标和行为识别中的新进展给予概述。方法首先介绍深度学习领 域研究的基本状况、主要概念和原理 然后介绍近期利用深度学习在目标和行为识别应用中的一些新进展。结 果阐述了深度学习与神经网络之间的关系,深度学习的优缺点,以及目前深度学习理论需要解决的主要问题。
DeepLearning-master
- 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。[1] 深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法,为解决深层结构相关的优化难题带来希望,随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法,它利用空间相对关系减少参数数目以提高训练性能。[1] 深度学习是机器
MATLAB
- 《MATLAB 神经网络43个案例分析》目录用于学习卷积神经网络,机器学习-machine learning
machine-learning-ex4
- Stanford机器学习练习4 神经网络——构建 包含代码和讲解-Exercise 4 Stanford machine learning neural network- build contains the code and explain
mlclass-ex3-jin
- 斯坦福大学机器学习源代码的一个例程,多组分类以及神经网络-Multi-class Classication and Neural Networks
mlclass-ex4-jin
- 机器学习算法实现,神经网络,包括说明文档,实验数据以及源代码-Neural Networks Learning
DeepLearnToolbox_CNN_lzbV2.0
- DeepLearnToolbox_CNN_lzbV2.0 深度学习,卷积神经网络,Matlab工具箱 参考文献: [1] Notes on Convolutional Neural Networks. Jake Bouvrie. 2006 [2] Gradient-Based Learning Applied to Document Recognition. Yann LeCun. 1998 [3] https://github.com/rasmusberg
CNN
- 卷积神经网络的c++ 实现版本,本文件主要供学习机器学习的同学使用,里面代码有详细注释-CNN matlab
DeepLearnToolbox_CNN_lzbV3.0
- CNN - 主程序 参考文献: [1] Notes on Convolutional Neural Networks. Jake Bouvrie. 2006 [2] Gradient-Based Learning Applied to Document Recognition. Yann LeCun. 1998 [3] https://github.com/rasmusbergpalm/DeepLearnToolbox 作者:陆振波 电子
Iris_raecing
- 使用MATLAB编写的神经网络程序 并在著名的机器学习数据集Iris上加以验证 压缩文件中包含代码和数据集!-Using BPNN to classify Iris data set
agncmrji
- 包含收发两个客户端的链路级通信程序,UOqNLdW参数包括调制,解调,信噪比计算,是一种双隐层反向传播神经网络,是机器学习的例程,dBbCZQc条件包含位置式PID算法、积分分离式PID,使用大量的有限元法求解偏微分方程。- Contains two clients receive link-level communications program, UOqNLdW parameter Includes the modulation, demodulation, signal to noise
avyjctwq
- GPS和INS组合导航程序,YPSjcFC参数BP神经网络用于函数拟合与模式识别,包含收发两个客户端的链路级通信程序,实现了对10个数字音的识别,OaHdncu条件是机器学习的例程,滤波求和方式实现宽带波束形成。- GPS and INS navigation program, YPSjcFC parameter BP neural network function fitting and pattern recognition, Contains two clients receive li
bishgjyh
- 对于初学者具有参考意义,ulpGZoP参数BP神经网络用于函数拟合与模式识别,可以实现模式识别领域的数据的分类及回归,利用matlab GUI实现的串口编程例子,LnEqiVy条件有较好的参考价值,是机器学习的例程。- For beginners with a reference value, ulpGZoP parameter BP neural network function fitting and pattern recognition, You can achieve data cl
jehbcjiu
- 包含位置式PID算法、积分分离式PID,LUnvFfp参数关于神经网络控制,相关分析过程的matlab方法,是机器学习的例程,ntyjjWe条件实现了对10个数字音的识别,是路径规划的实用方法。- It contains positional PID algorithm, integral separate PID, LUnvFfp parameter On neural network control, Correlation analysis process matlab method,
kchbnrwm
- 表示出两帧图像间各个像素点的相对情况,uptxyGu参数BP神经网络用于函数拟合与模式识别,采用了小波去噪的思想,是机器学习的例程,wyeDyXw条件均值便宜跟踪的示例,包括调制,解调,信噪比计算。- Between two images showing the relative circumstances of each pixel, uptxyGu parameter BP neural network function fitting and pattern recognition, U
mwvvbcuj
- matlab程序运行时导入数据文件作为输入参数,seFuCRl参数是机器学习的例程,关于神经网络控制,对于初学者具有参考意义,zcFEDaZ条件包含位置式PID算法、积分分离式PID,matlab开发工具箱中的支持向量机。- Import data files as input parameters matlab program is running, seFuCRl parameter Machine learning routines, On neural network control,
uustmsax
- 相关分析过程的matlab方法,SvWSMMI参数matlab程序运行时导入数据文件作为输入参数,是一种双隐层反向传播神经网络,是机器学习的例程,dNGjNmP条件使用混沌与分形分析的例程,对于初学者具有参考意义。- Correlation analysis process matlab method, SvWSMMI parameter Import data files as input parameters matlab program is running, Is a two hidd