搜索资源列表
sparse_decomposition
- 基于遗传算法改进的稀疏分解算法，已调试过了，写论文是编写的-Based on genetic algorithm to improve the sparse decomposition algorithm, has been testing and writing papers are prepared
em
- em算法是一种估计最优参数的方法 又名最大期望算法-em algorithm is a way to estimate the optimal parameters, also known as the greatest expectations algorithm
PQRbayes
- 从ML-EM 重建算法入手，分析了贝叶斯模型的一些关键点，针对采用传统方法求解MAP问题的局限性，提出一种用于正电子成像的贝叶斯神经网络重建算法，为了保留边缘信息，引入了二进制的保边缘变量，并应用共轭神经网络求解，模拟的重建结果表明，应用这种算法可以得到比ML-EM 算法更好的重建图像@-From the ML-EM reconstruction algorithm start with an analysis of Bayesian model some of the key points,
Untitled
- 手写体数字辨别,样本数据与训练数据均来自UCI 机器学习数据库网站：http://archive.ics.uci.edu/ml/datasets.html 采用BP多学习率算法-BP algorithm of neuro network
MLLOC
- 通过挖掘类标间关系的多类标学习算法。ML-LOC is a package for multi-label learning by exploiting label correlations locally.-ML-LOC is a package for multi-label learning by exploiting label correlations locally.
finds
- 机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。-Implementation and optimization of find-s algorithm in machine lea
ml
- 机器学习基本算法，深度学习基本算法、python语言实现-the machine learning，deeplearning ，pythonlearning
ML-algorithm-
- 机器学习的十大经典算法，附有详细原理说明，有助于机器学习的学习和运用。-Top 10 classic machine learning algorithms, a detailed theory suggests that helps to study and application of machine learning.
ml-py
- 机器学习算法(kNN、逻辑回归、线性回归、朴素贝叶斯)python实现。-machine learning by python
ml
- AdaBoost算法原理介绍、实现与应用，AdaBoost是机器学习领域的一个重要思想，欢迎感兴趣的朋友下载。-AdaBoost algorithm principle introduction, implementation and application, AdaBoost is an important idea in the field of machine learning, welcome interested friends to download.
machingLearning-ML-Navie-Baye
- 机器学习相关算法研究，里面有参考文档和运行的小例子-Machine learning algorithms related research, there are reference documents and run a small example
ML-kNN
- 本程序实现了融合最近邻的ML-KNN算法（即IML-KNN），与KNN进行比较，分类效果更好。-This procedure to achieve the fusion of the nearest neighbor ML-KNN algorithm (ie IML-KNN), compared with KNN, better classification effect.
2703
- 搭建OFDM通信系统的框架，利用自然梯度算法，最大似然（ML）准则和最大后验概率（MAP）准则。- Build a framework OFDM communication system, Use of natural gradient algorithm, Maximum Likelihood (ML) criteria and maximum a posteriori (MAP) criterion.
MLkNN
- ML-KNN，这是来自传统的K-近邻（KNN）算法。详细地，为每一个看不见的实例中，首先确定了训练集中的k近邻。之后，基于从标签集获得的统计信息。这些相邻的实例，即属于每个可能类的相邻实例的数量，最大后验（MAP）原理。用于确定不可见实例的标签集。三种不同现实世界中多标签学习问题的实验研究，即酵母基因功能分析、自然场景分类和网页自动分类，表明ML-KNN实现了卓越的性能(ML-KNN which is derived from the traditional K-nearest neighbo
mnist
- 机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。(Machine learning (Machine Learning, ML) is a multidisciplinary interdisciplinary field, involving many disciplines, such as p
ml-startup-1
- 线型模型的学习资料 python源码，依赖sk-lean库实现(Linear model of learning materials Python source code, relying on sk-lean library implementation)
机器学习实践指南代码及资源
- 机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。(Machine Learning (ML) is a multi domain cross discipline, involving
Machine learning an algorithmic perspective
- 机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能(Machine learning (Machine Learning ML) is an interdisciplinary subject, involving probability and statistics, approximation th
支持向量机（ML in action）整理
- Python实现支持向量机的算法，拟合和分类，包括0-9数字识别(Python implements the algorithm, fitting and classification of support vector machines, including 0-9 digital recognition)
Bayesian
- 基于贝叶斯的协同过滤算法，电影评分推荐，数据库ml-100k(Collaborative filtering algorithm)