搜索资源列表
ImprovedAlgorithmBasedonKernelFunctionandApplicati
- 本文的题目是改进的核函数算法及其在人脸识别中的应用研究。 本文在系统学习现有核函数及支持向量机相关理论的基础上，系统研究了自适应选择核函数算法，通过引入朴素正则风险最小化准则，提出了一种改进的在线核函数算法。算法采用截断误差最小化、合理选取拉格郎日因子等方法对新增样本进行训练，有效地克服了现有方法收敛精度低和不能自适应选择样本的困难。 根据独立分量分析的原理和特点，将改进的核函数算法引入人脸识别的研究中，给出了基于ICA-SVM的人脸识别算法及实现方法。 论文分别应用数值仿
bianyiyuanli
- 输入一个正则表达式（也可以预先将一些测试的正则表达式输入到文件中） （2）输出相应的NFA图（要求用画图方法完成并要求是逐步逐步进行画，好象书本P47例2.12和2.13一样逐步得到结果） （3）NFA转换为DFA（得到的DFA图要求用画图方法完成并要求先产生子集构造表出来再画DFA图） （4）DFA最小化（也要求用画图方法完成） （5）选做部分：将最小化DFA所对应的识别程序自动产生出来。（将自动产生的识别程序以文件形式保存即可，并可以在系统中查看
Bolasso-feature-selection-prediction
- 这个程序实现了Francis R. Bach的Bolasso算法，用于特征选取和预测。主要用于高纬度问题的特征选取，它使用了带有Bootstrap方法的自助抽样的正则化回归，并使用了Karl Skoglund的lars实现。-This procedure achieved Francis R. Bach s Bolasso algorithms for feature selection and forecasting. The main problem for high-latitude fe
LexicalAnalyzer
- 词法分析程序构造原理与实现技术 源程序输入与词法分析程序输出的基本方法；正则文法及其状态转换图的基本概念，正则表达式及有限自动机的基本概念；正规文法构造相应的状态转换图的基本方法；正则表达式构造有限自动机的基本方法及不确定有限自动机确定化的基本方法；词法分析程序的设计与编写。-Lexical analysis program structure and implementation of the principles of technology
auto_inversion
- 求解第一类fedholm方程，运用philips光滑化方法和正则化方法求解。-Solving equations of the first kind fedholm using philips smoothing method and regularization method to solve.
bp2
- 采用贝叶斯正则化算法提高 BP 网络的推广能力。 在本例中，我们采用两种训练方法，即 L-M 优化算法（trainlm）和贝叶斯正则化算法（trainbr），用以训练 BP 网络，使其能够拟合某一附加有白噪声的正弦样本数据。-Bayesian regularization algorithm to improve the generalization ability of BP network. In this example, we use two training methods, na
Tikhonov_regularization_toolbox
- Tikhonov正则化工具箱，可实现病态方程组的正则化，以及采用L曲线法、岭估计法、GCV法等确定正则化参数，内含使用方法，亲测有效。-Tikhonov regularization toolbox, which can realize regularization in morbid equations, and using the L curve method, ridge estimation, GCV method to determine the regularization para
csvd+ttls
- ttls的正则化方法，适用于各种病态反问题的求解(The regularization method of ttls is applicable to solving various ill conditioned inverse problems)
tgsvd+tsvd
- tgsvd正则化方法，适用于计算各类病态反问题(The tgsvd regularization method is suitable for the calculation of ill posed inverse problems)
混合正则化
- 对于求解地震勘探问题提出了一个新的混合正则化方法。(A new hybrid regularization method is proposed to solve seismic exploration problems.)
DropOut深度网络
- 深度神经网络在测试时面对如此大的网络是很难克服过拟合问题的。 Dropout能够很好地解决这个问题。通过阻止特征检测器的共同作用来提高神经网络的性能。这种方法的关键步骤在于训练时随机丢失网络的节点单元包括与之连接的网络权值。在训练的时候，Dropout方法可以使得网络变得更为简单紧凑。在测试阶段，通过Dropout训练得到的网络能够更准确地预测网络的输出。这种方式有效的减少了网络的过拟合问题，并且比其他正则化的方法有了更明显的提升。 本文通过一个简单的实验来比较使用Dropout方法前后网络
regularization
- 软件包里面是正则化算法的一些程序，自己做了小实验验证，希望对大家能有所帮助(Software package is a regularization algorithm of some of the procedures, have done a small experiment verification, I hope we can help.)
代码
- Abel变换的数值反演计算用离散正则化方法实现(Discrete regularization method for numerical inversion of Abel transform)