搜索资源列表
work
- 逢山开路问题 用的逐步定线方法，在解决这个问题中并不是一个很有效的方法，我想最好的方法为Dijkstra，但Dijkstra编起来比较简单（已有源程序，只须改变权矩阵），没有再进行练习。程序编制的比一些比赛论文中的要精细一些，但结果不是很好。-Open mountain questions The gradual alignment with the method, in solving this problem is not a very effective way, I think
libsvm_src_2.6NOTE
- LIBSVM是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件还有一个特点，就是对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数就可以解决很多问题；并且提供了交互检验(Cross Validation)的功能。该软件包可以在http://www.csie.ntu.edu.tw/~c
libsvm-mat-2[1].9-11
- LIBSVM是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件还有一个特点，就是对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数就可以解决很多问题；并且提供了交互检验(Cross Validation)的功能。该软件包可以在http://www.csie.ntu.edu.tw/~c
080868B
- 可信计算技术在防钓鱼攻击中的应用 徐 锐，王震宇，康新振 (解放军信息工程大学信息工程学院，郑州 450002) 摘 要：钓鱼攻击手段的多样性及其攻击后果的严重性给用户身份信息等私密数据的管理带来巨大威胁。该文分析了当今主要几类钓鱼攻击的手段，剖析其攻击原理，并在分析比较现有的几种密钥保护机制的特点的基础上，将可信计算技术与安全套接字相结合，提出一种抵御钓鱼攻击的方法。根据钓鱼攻击的特点，进行了安全性能分析，表明其能有效抵御钓鱼攻击。 关键词：可信计算；钓鱼攻击；证书；密钥-Ap
Shipborne-Radar
- 舰载雷达所处的环境杂波现象比较严重。雷达工程人员发现，无论信号处理采用哪些反杂措施，雷达数据 处理阶段总是或多或少地存在虚假点迹。因此，有必要研究如何在数据处理阶段进一步消除杂波干扰。文中分别就数据 处理的预处理模块、相关滤波模块、雷达控制模块以及雷达显示控制提出了有效的方法。-Shipborne radars operate in a severe clutter environment．No matter what measures of clutter suppression ar
mountainroad
- 逢山开路问题 用的逐步定线方法，在解决这个问题中并不是一个很有效的方法，最好的方法为Dijkstra，但Dijkstra编起来比较简单（已有源程序，只须改变权矩阵），没有再进行练习。-Every mountain open issues with the progressive alignment method, to solve this problem is not a very effective way, I think the best way to Dijkstra, but
[ea]2MA_DivergenceTrader_Ron_MT4_v04
- 适合15分钟线的，趋势类EA，可以实盘测试，源码(Suitable for 15 minutes line trend class EA, can be a firm test, source code)
牛顿
- 牛顿迭代法是解非线性方程组比较经典的方法； 拟牛顿法是为了解决求Jacobi矩阵时带来的困难，现已成为解决非线性方程组和最优化问题的最有效方法之一。(The Newton iterative method is a classic method for solving nonlinear equations. The quasi Newton method is one of the most effective methods for solving the nonlinear equat
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