搜索资源列表
-
0下载：
traning and testing using neural network based on iris dataset
-
-
0下载：
Complete Face Recognition System using LDA (with visiable training image set and testing image set-Complete Face Recognition System using LDA
-
-
0下载：
this a matlab coding of svm classification function.
when inputing training samples, training labels, testing samples, testing labels, and two parameters, the classification result is obtained.
linear svm and nonlinear svm can be selected.-this
-
-
0下载：
这是一个基于人脸识别的双边2DLDA程序，其中每人随机选9个做训练，1个做测试，作20次后平均-This is a bilateral 2DLDA procedures based on face recognition, in which each of 9 randomly selected for training, one to do testing for 20 times the average
-
-
0下载：
In this i attached matlab code for image retrieval function by finding the distance between training and testing features and arrange it in according to ascending order.
-
-
0下载：
朴素贝叶斯机器学习，用来分类文本，matlab编程，有测试和训练两部分。-Naive Bayesian machine learning to classify text, matlab programming, testing, and training has two parts.
-
-
0下载：
Neural network programming，包括matlab和C#的实现源代码，包括训练数据和测试数据-Neural network programming, including matlab and C# source code to achieve, including the training and testing data
-
-
1下载：
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
-
-
0下载：
本文通过对 MATLAB 程序设计中的若干典型问题做简要的分析和总结,并
在此基础上着重讨论了有关算法设计、程序的调试与测试、算法与程序的优化以
及循环控制等方面的问题.还通过对一些程序实例做具体解析,来方便读者进行
编程训练并掌握一些有关 MATLAB 程序设计方面的基本概念、基本方法以及某些
问题的处理技巧等.此外,在文章的最后还给出了几个常用数学方法的算法程序,
供读者参考使用.希望能对初学者进行 MATLAB 编程训练提供一些可供参考的材
料,并起到一定的指导和激励作用,进而
-
-
1下载：
基于hmm的语音识别，包括训练与测试两部分，可以直接运行(HMM based speech recognition, including training and testing two parts, can be directly run.)
-
-
1下载：
采用三层BP神经网络结构，输入层神经元数为5，隐含层神经元数为3，输出层神经元数为1，使用MATLAB编写。
将所给数据按14：1分为训练样本集，和测试样本集，经测试及分析，预测误差为0.1700，误差较小。
网络训练好后，输入前一天的6组数据，即：最高价、最低价、开盘价、收盘价、成交量，就能自动预测出后一天的收盘价。(The structure of three-layer BP neural network is adopted. The number of neurons in the i
-
