搜索资源列表
myworkonnnet
- 多层感知器(MLP)(BP算法训练)、径向基函数网络(RBF网络)、支持向量机(SVM)对2D Mexican Hat、Gabor、Friedman 以及Polynomial等几种函数数据集进行回归和预测-multilayer perceptron (MLP) (BP algorithm training), RBF network (RBF), Support Vector Machine (SVM) to 2D Mexican Hat, Gabor, Friedman Polynomial
POSTagger
- （1）从已经标注好词性的语料中统计得到词性标记的二元转移矩阵，以及每个词以确定的词性标记出现的次数等数据（训练阶段） （2）利用动态规划算法快速选取词性标记路径，得到词性标记结果 （3）可以选择不同的词性标记集 -(1) from the good part-of-speech tagging has been the Corpus statistics to be part of speech marking the transfer of binary matrix, a
MLP
- 本程序实做MLP(Multi-layer perceptron)算法，使用者可以自行设定训练数据集与测试数据集，将训练数据集加载，在2、3维下可以显示其分布状态，并分别设定键节值、学习率、迭代次数来训练其类神经网络，最后可观看辨识率与RMSE（Root Mean squared error）来判别训练是否可以停止。
fs_sup_relieff
- Relief算法中特征和类别的相关性是基于特征对近距离样本的区分能力。算法从训练集D中选择一个样本R，然后从和R同类的样本中寻找最近邻样本H，称为Near Hit，从和R不同类的样本中寻找最近样本M，称为Near Miss，根据以下规则更新每个特征的权重： 如果R和Near Hit在某个特征上的距离小于R和Near Miss上的距离，则说明该特征对区分同类和不同类的最近邻是有益的，则增加该特征的权重；反之，如果R和Near Hit在某个特征上的距离大于R和Near Miss上的距离，则说明该特
画出三类的类别分界线
- 有训练集资料矩阵如下表所示： 现已知 N=9，N1 =N2=N3=3， n=2,c=3,试问x = ( 2,2)T 属于哪一类？
utf8''Traffic-sign-recognition
- 项目基于Tensorflow进行实现。 #### 文件说明： --- * input_data.py: 图片的输入 * traffic_sign_cnn.py: 用cnn进行训练分类 * testDemo.py: 用于测试已经训练出来的模型，输入单个图片输出结果，并分类到文件夹 #### 数据集说明： --- * 这里是列表文本使用的是比利时的交通标志数据集，可以网上自己找，里面有62个分类。 #### 网络说明： --- *
matlab贝叶斯分类(2)-10折10次交叉验证
- 利用matlab实现贝叶斯分类，采用10折10次交叉验证法选取训练集和测试集，进行循环测试，最后返回准确率为0.9184.另外，文件内含数据源。(The Bias classification is realized by MATLAB, and the training set and test set are selected by 90% off 10 times cross validation method, and the cycle test is carried out. Fin
bayes
- 贝叶斯算法预先对训练集训练分类，输入测试集进行判断类别。(The Bias algorithm trains the training set in advance, classifying it into the test set and classifying it.)
SVR
- 训练SVR模型做预测,可调整训练集和测试集比例及SVR参数，预测性能用MAP反映(The training SVR model can be used for prediction. The proportion of training set and test set and the parameters of SVR can be adjusted. The prediction performance can be reflected by MAP.)
MNIST_data
- MNIST数据集是一个手写体数据集，这个数据集由四部分组成，分别是一个训练图片集，一个训练标签集，一个测试图片集，一个测试标签集；我们可以看出这个其实并不是普通的文本文件或是图片文件，而是一个压缩文件，下载并解压出来，我们看到的是二进制文件。其中包含60000张手写体识别数字图片。(MNIST data set is a handwritten data set, which consists of four parts: a training picture set, a training l
基于神经网络的车牌识别
- 基于神经网络的车牌识别，在原有基础上增多了训练集，提高了识别的准确度(Vehicle license plate recognition based on neural network increases the training set and improves the accuracy of recognition.)
KNN
- 一个简单好用的KNN算法程序，只需要输入训练集和对应的标签就可以得到想要的模型并进行测试集的预测(A simple and easy-to-use KNN algorithm program only needs to input the training set and corresponding tags to get the desired model and predict the test set)
随机森林的matlab实现
- 随机森林的一个入门级历程，此例程可以带有稀缺数据集，让你使用训练集和测试集感受到随机森林的强大之处。随机森林的分类与回归，非常之强。秒杀神经网络，是一个人见人爱的算法。(Random forest is an entry-level process, this routine can have scarce data set, let you use training set and test set to feel the power of random forest. The classif
使用vgg16训练cifar数据集
- 神经网络 深度学习 慕课平台 tensorflow2.1 使用vgg16训练cifar10分类数据集
KRR
- 核岭回归算法 输入数据集(需要分开存放训练集和测试集) 利用4重交叉验证法调参 最后输出分类准确率(Kernel ridge regression algorithm Input data set (training set and test set need to be stored separately) Parameter adjustment by 4-fold cross validation Final output classification accuracy)
用MATLAB实现的随机抽样方法
- 用MATLAB实现的随机抽样方法,自动划分为训练集和测试集(The random sampling method realized by Matlab can be divided into training set and testing set automatically)
data_batch_2
- cifar-10数据集由10个类的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像。数据集分为五个训练批次和一个测试批次，每个批次有10000个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。训练批次以随机顺序包含剩余图像，但一些训练批次可能包含来自一个类别的图像比另一个更多。总体来说，五个训练集之和包含来自每个类的正好5000张图像。 具体：batch2.mat文件，该训练集可以用于图片识别，非负矩阵分解等。(The ci
机器学习之随机森林
- Bagging是并行式集成学习方法最著名的代表，Bagging通常对分类任务使用简单投票法，随机森林（RF）是Bagging的一个扩展变体，RF在以决策树为基学习器构建Bagging 集成的基础上，进一步在决策树的训练过程中引入了随机属性选择。在RF中，集成模型的每棵树构建时所需的样本都是由训练集经过有放回的随机抽样得来（即自助采样法bootstrap sample）。
基于MATLAB的手写识别（可以自行添加数据集）
- 本案例使用MATLAB的GUI设计的一个手写板，利用BP神经网络实现手写识别的项目，案例中可以利用手写板自己建立数据集，并且完成训练来添加字库。
CNN-FaceRec-keras-master.zip
- 人脸识别代码 ## CNN-FaceRec 基于Keras的CNN人脸识别 == ### 所需环境 tensorflow-gpu==2.0.0 Keras==2.3.1 h5py==2.10.0 ### 使用方法 #### 文件下载 链接：https://pan.baidu.com/s/1HxLw4oYGhfV-hughUQ7VEA 提取码：9uea 下载好权重文件放到logs文件夹里 链接：https://pan.baidu.com/s/1aC