傳統(tǒng)的機(jī)器人控制技術(shù)大多是基于模型的控制方法，無法得到滿意的軌跡跟蹤效果，模糊控制和神經(jīng)網(wǎng)絡(luò)等人工智能的發(fā)展為解決機(jī)器人軌跡跟蹤問題提供了新的思路。本文采用高斯函數(shù)作為模糊隸屬函數(shù)，將模糊控制
2016-09-19 14:34:39
1737 
神經(jīng)網(wǎng)絡(luò)50例
2012-11-28 16:49:56
神經(jīng)網(wǎng)絡(luò)Matlab程序
2009-09-15 12:52:24
大家有知道labview中神經(jīng)網(wǎng)絡(luò)和SVM的工具包是哪個(gè)嗎？求分享一下，有做這方面的朋友也可以交流一下，大家共同進(jìn)步
2017-10-13 11:41:43
神經(jīng)網(wǎng)絡(luò)基本介紹
2018-01-04 13:41:23
第1章 概述 1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展 1.2 生物神經(jīng)元 1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成 第2章人工神經(jīng)網(wǎng)絡(luò)基本模型 2.1 MP模型 2.2 感知器模型 2.3 自適應(yīng)線性
2012-03-20 11:32:43
將神經(jīng)網(wǎng)絡(luò)移植到STM32最近在做的一個(gè)項(xiàng)目需要用到網(wǎng)絡(luò)進(jìn)行擬合，并且將擬合得到的結(jié)果用作控制，就在想能不能直接在單片機(jī)上做神經(jīng)網(wǎng)絡(luò)計(jì)算，這樣就可以實(shí)時(shí)計(jì)算，不依賴于上位機(jī)。所以要解決的主要是兩個(gè)
2022-01-11 06:20:53
神經(jīng)網(wǎng)絡(luò)簡介
2012-08-05 21:01:08
基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法
2019-05-16 17:25:05
解析深度學(xué)習(xí)：卷積神經(jīng)網(wǎng)絡(luò)原理與視覺實(shí)踐
2020-06-14 22:21:12
，基于數(shù)據(jù)間的相關(guān)性，構(gòu)造協(xié)方差函數(shù)，通過Bayesian推理進(jìn)行計(jì)算，與點(diǎn)秀的神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)相比，高斯
2021-06-30 06:59:08
。例如，周杰倫周末在北京開演唱會(huì)，我們會(huì)考慮時(shí)間、地點(diǎn)、價(jià)格、天氣、是否有同伴，這些因素然后根據(jù)這些判斷因素，做出是否去看演唱會(huì)的決定。 從接收到演唱會(huì)信息，到做出相應(yīng)判斷，這整個(gè)過程就是神經(jīng)網(wǎng)絡(luò)運(yùn)行
2018-06-05 10:11:50
MATLAB神經(jīng)網(wǎng)絡(luò)
2013-07-08 15:17:13
Matlab神經(jīng)網(wǎng)絡(luò)工具箱是什么？Matlab神經(jīng)網(wǎng)絡(luò)工具箱在同步中的應(yīng)用有哪些？
2021-04-26 06:42:29
請(qǐng)問：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷，在NI官網(wǎng)找到了機(jī)器學(xué)習(xí)工具包（MLT），但是里面沒有關(guān)于這部分VI的幫助文檔，對(duì)于”BP神經(jīng)網(wǎng)絡(luò)分類“這個(gè)范例有很多不懂的地方，比如
2017-02-22 16:08:08
習(xí)神經(jīng)神經(jīng)網(wǎng)絡(luò)，對(duì)于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)是如何一直沒有具體實(shí)現(xiàn)一下：現(xiàn)看到一個(gè)簡單的神經(jīng)網(wǎng)絡(luò)模型用于訓(xùn)練的輸入數(shù)據(jù):對(duì)應(yīng)的輸出數(shù)據(jù):我們這里設(shè)置：1：節(jié)點(diǎn)個(gè)數(shù)設(shè)置：輸入層、隱層、輸出層的節(jié)點(diǎn)
2021-08-18 07:25:21
的raspberry pi接口，與樹莓派聯(lián)機(jī)，進(jìn)行一些實(shí)驗(yàn)。預(yù)計(jì)成果：全程發(fā)帖記錄整個(gè)試用過程，包括開發(fā)板demo測試，神經(jīng)網(wǎng)絡(luò)原理講解，以及實(shí)現(xiàn)最終的手寫數(shù)字圖形識(shí)別。
2019-01-09 14:48:59
探索整個(gè)過程中資源利用的優(yōu)化使整個(gè)過程更加節(jié)能高效預(yù)計(jì)成果：1、在PYNQ上實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)2、對(duì)以往實(shí)現(xiàn)結(jié)構(gòu)進(jìn)行優(yōu)化3、為卷積神經(jīng)網(wǎng)絡(luò)網(wǎng)路在硬件上，特別是在FPGA實(shí)現(xiàn)提供一種優(yōu)化思路和方案
2018-12-19 11:37:22
思考問題的過程。人腦輸入一個(gè)問題，進(jìn)行思考，然后給出答案。神經(jīng)網(wǎng)絡(luò)就是在模擬人的思考這一過程。而我們要做的就是以數(shù)學(xué)的方式，將這一抽象的過程進(jìn)行量化。神經(jīng)元與激活函數(shù)人的大腦有大約1000億個(gè)神經(jīng)
2019-03-03 22:10:19
元，它決定了該輸入向量在地位空間中的位置。SOM神經(jīng)網(wǎng)絡(luò)訓(xùn)練的目的就是為每個(gè)輸出層神經(jīng)元找到合適的權(quán)向量，以達(dá)到保持拓?fù)浣Y(jié)構(gòu)的目的。SOM的訓(xùn)練過程其實(shí)很簡單，就是接收到一個(gè)訓(xùn)練樣本后，每個(gè)輸出層神經(jīng)
2019-07-21 04:30:00
}或o koko_{k}）的誤差神經(jīng)元偏倚的變化量：ΔΘ ΔΘ Delta Theta=學(xué)習(xí)步長η ηeta × ×imes 乘以神經(jīng)元的誤差BP神經(jīng)網(wǎng)絡(luò)算法過程網(wǎng)絡(luò)的初始化：包括權(quán)重和偏倚的初始化計(jì)算
2019-07-21 04:00:00
`本文主要介紹了高斯濾波器的原理及其實(shí)現(xiàn)過程高斯濾波器是一種線性濾波器，能夠有效的抑制噪聲，平滑圖像。其作用原理和均值濾波器類似，都是取濾波器窗口內(nèi)的像素的均值作為輸出。其窗口模板的系數(shù)和均值濾波器
2019-09-04 08:00:00
人工神經(jīng)網(wǎng)絡(luò)是根據(jù)人的認(rèn)識(shí)過程而開發(fā)出的一種算法。假如我們現(xiàn)在只有一些輸入和相應(yīng)的輸出，而對(duì)如何由輸入得到輸出的機(jī)理并不清楚，那么我們可以把輸入與輸出之間的未知過程看成是一個(gè)“網(wǎng)絡(luò)”，通過不斷地給
2008-06-19 14:40:42
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實(shí)際問題。那有哪些辦法能實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？
2019-08-01 08:06:21
人工神經(jīng)網(wǎng)絡(luò)課件
2016-06-19 10:15:48
簡單理解LSTM神經(jīng)網(wǎng)絡(luò)
2021-01-28 07:16:57
圖卷積神經(jīng)網(wǎng)絡(luò)
2019-08-20 12:05:29
優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法有哪些？
2022-09-06 09:52:36
全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別
2019-06-06 14:21:42
以前的神經(jīng)網(wǎng)絡(luò)幾乎都是部署在云端（服務(wù)器上），設(shè)備端采集到數(shù)據(jù)通過網(wǎng)絡(luò)發(fā)送給服務(wù)器做inference（推理），結(jié)果再通過網(wǎng)絡(luò)返回給設(shè)備端。如今越來越多的神經(jīng)網(wǎng)絡(luò)部署在嵌入式設(shè)備端上，即
2021-12-23 06:16:40
卷積神經(jīng)網(wǎng)絡(luò)為什么適合圖像處理？
2022-09-08 10:23:10
Top100論文導(dǎo)讀：深入理解卷積神經(jīng)網(wǎng)絡(luò)CNN（Part Ⅰ）
2019-09-06 17:25:54
卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會(huì)在意它呢? 對(duì)于這些非常中肯的問題，我們似乎可以給出相對(duì)簡明的答案。
2019-07-17 07:21:50
為 三個(gè)過程：輸入信號(hào)線性加權(quán)、求和、非線性激活。1958 年到 1969 年為神經(jīng)網(wǎng)絡(luò)模型發(fā)展的第一階段， 稱為第一代神經(jīng)網(wǎng)絡(luò)模型。在 1958 年 Rosenblatt 第 一次在 MCP 模型上
2022-08-02 10:39:39
卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)
2020-05-05 18:12:50
卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu) 卷積神經(jīng)網(wǎng)絡(luò)的常用框架
2020-12-29 06:16:44
Top100論文導(dǎo)讀：深入理解卷積神經(jīng)網(wǎng)絡(luò)CNN（Part Ⅱ）
2019-08-22 14:20:39
決定。為此使用決策閾值。另一個(gè)區(qū)別是模式識(shí)別機(jī)沒有配備固定的規(guī)則。相反，它是經(jīng)過訓(xùn)練的。在這個(gè)學(xué)習(xí)過程中，神經(jīng)網(wǎng)絡(luò)被顯示大量的貓圖像。最后，該網(wǎng)絡(luò)能夠獨(dú)立識(shí)別圖像中是否有貓。關(guān)鍵的一點(diǎn)是，未來的識(shí)別
2023-02-23 20:11:10
什么是卷積神經(jīng)網(wǎng)絡(luò)？ImageNet-2010網(wǎng)絡(luò)結(jié)構(gòu)是如何構(gòu)成的？有哪些基本參數(shù)？
2021-06-17 11:48:22
反饋神經(jīng)網(wǎng)絡(luò)算法
2020-04-28 08:36:58
為提升識(shí)別準(zhǔn)確率，采用改進(jìn)神經(jīng)網(wǎng)絡(luò)，通過Mnist數(shù)據(jù)集進(jìn)行訓(xùn)練。整體處理過程分為兩步：圖像預(yù)處理和改進(jìn)神經(jīng)網(wǎng)絡(luò)推理。圖像預(yù)處理主要根據(jù)圖像的特征，將數(shù)據(jù)處理成規(guī)范的格式，而改進(jìn)神經(jīng)網(wǎng)絡(luò)推理主要用于輸出結(jié)果。 整個(gè)過程分為兩個(gè)步驟：圖像預(yù)處理和神經(jīng)網(wǎng)絡(luò)推理。需要提前安裝Tengine框架，
2021-12-23 08:07:33
轉(zhuǎn)速環(huán)，內(nèi)環(huán)為電流環(huán)。本次轉(zhuǎn)速調(diào)節(jié)器采用基于BP神經(jīng)網(wǎng)絡(luò)PID控制器，其參數(shù)由神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)調(diào)整得到，從而克服系統(tǒng)運(yùn)行過程中各種不利因素對(duì)系統(tǒng)所造成的影響，以達(dá)到較好的控制效果。電...
2021-06-28 12:03:44
最近在學(xué)習(xí)電機(jī)的智能控制，上周學(xué)習(xí)了基于單神經(jīng)元的PID控制，這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達(dá)能力，可以通過對(duì)系統(tǒng)性能的學(xué)習(xí)來實(shí)現(xiàn)具有最佳組合的PID控制。利用BP
2021-09-07 07:43:47
基于BP神經(jīng)網(wǎng)絡(luò)的辨識(shí)
2018-01-04 13:37:27
FPGA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)關(guān)鍵問題分析基于FPGA的ANN實(shí)現(xiàn)方法基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評(píng)估及局限性
2021-04-30 06:58:13
基于RBF神經(jīng)網(wǎng)絡(luò)的辨識(shí)
2018-01-04 13:38:52
基于光學(xué)芯片的神經(jīng)網(wǎng)絡(luò)訓(xùn)練解析，不看肯定后悔
2021-06-21 06:33:55
如何使用STM32F4+MPU9150去實(shí)現(xiàn)一種神經(jīng)網(wǎng)絡(luò)識(shí)別手勢呢？其過程是怎樣的？
2021-11-19 06:38:58
如何用stm32cube.ai簡化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？
2021-10-11 08:05:42
原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測的計(jì)算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測能力輸出層：基于輸入和隱藏層的數(shù)據(jù)輸出預(yù)測
2021-07-12 08:02:11
在通信、雷達(dá)和計(jì)量等領(lǐng)域，在仿真、測試和計(jì)量過程中，常常需要使用信號(hào)源產(chǎn)生高斯白噪聲信號(hào)，而且，重要的是，準(zhǔn)確定義的噪聲功率和帶寬。那我們具體該怎么做才能自定義高斯白噪聲功率和帶寬？
2019-08-09 06:57:38
神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點(diǎn)之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)
2019-08-08 06:11:30
應(yīng)用人工神經(jīng)網(wǎng)絡(luò)模擬污水生物處理（1.浙江工業(yè)大學(xué)建筑工程學(xué)院, 杭州 310014; 2.鎮(zhèn)江水工業(yè)公司排水管理處，鎮(zhèn)江 212003）摘要：針對(duì)復(fù)雜的非線性污水生物處理過程，開發(fā)了徑向基函數(shù)的人
2009-08-08 09:56:00
有提供編寫神經(jīng)網(wǎng)絡(luò)預(yù)測程序服務(wù)的嗎？
2011-12-10 13:50:46
求助地震波神經(jīng)網(wǎng)絡(luò)程序，共同交流！！
2013-05-11 08:14:19
小女子做基于labview的蒸發(fā)過程中液位的控制，想使用神經(jīng)網(wǎng)絡(luò)pid控制，請(qǐng)問這個(gè)控制方法可以嗎？有誰會(huì)神經(jīng)網(wǎng)絡(luò)pid控制么。。。叩謝
2016-09-23 13:43:16
求助大神 小的現(xiàn)在有個(gè)難題： 一組車重實(shí)時(shí)數(shù)據(jù) 對(duì)應(yīng)一個(gè)車重的最終數(shù)值（一個(gè)一維數(shù)組輸入對(duì)應(yīng)輸出一個(gè)數(shù)值） 這其中可能經(jīng)過均值、方差、去掉N個(gè)最大值、、、等等的計(jì)算 我的目的就是弄清楚這個(gè)中間計(jì)算過程 最近實(shí)在想不出什么好辦法就打算試試神經(jīng)網(wǎng)絡(luò) 請(qǐng)教大神用什么神經(jīng)網(wǎng)絡(luò)好求神經(jīng)網(wǎng)絡(luò)程序
2016-07-14 13:35:44
求高手，基于labview的BP神經(jīng)網(wǎng)絡(luò)算法的實(shí)現(xiàn)過程，最好有程序哈，謝謝！！
2012-12-10 14:55:50
最簡單的神經(jīng)網(wǎng)絡(luò)
2019-09-11 11:57:36
針對(duì)模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練采用BP算法比較依賴于網(wǎng)絡(luò)的初始條件,訓(xùn)練時(shí)間較長,容易陷入局部極值的缺點(diǎn),利用粒子群優(yōu)化算法(PSO)的全局搜索性能,將PSO用于模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程.由于基本PSO算法存在
2010-05-06 09:05:35
看資料高斯計(jì)的傳感器的量程都是0--2000高斯，但是高斯計(jì)的量程一般都是0--20000，或者更高，是怎么實(shí)現(xiàn)的呢，還是我檢索資料的能力有限，沒有找到對(duì)的資料啊，祈求大神賜教
2022-07-19 22:37:02
關(guān)于遺傳算法和神經(jīng)網(wǎng)絡(luò)的
2013-05-19 10:22:16
`將非局部計(jì)算作為獲取長時(shí)記憶的通用模塊，提高神經(jīng)網(wǎng)絡(luò)性能在深度神經(jīng)網(wǎng)絡(luò)中，獲取長時(shí)記憶（long-range dependency）至關(guān)重要。對(duì)于序列數(shù)據(jù)（例如語音、語言），遞歸運(yùn)算
2018-11-12 14:52:50
導(dǎo)出了在一定精度下高斯型函數(shù)積分近似表達(dá)式,利用徑向基函數(shù)(RBF) 網(wǎng)絡(luò)具有良好的逼近任意非線性映射的特點(diǎn),提出了一種改進(jìn)的RBF 網(wǎng)絡(luò)方法以實(shí)現(xiàn)對(duì)高斯型函數(shù)積分。實(shí)驗(yàn)
2009-03-29 14:34:28
11 本文介紹了BP 人工神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)圖像壓縮中應(yīng)用的原理，對(duì)其實(shí)現(xiàn)的過程進(jìn)行了詳細(xì)的闡述，并通過采用非線性網(wǎng)絡(luò)和最速下降法實(shí)現(xiàn)了圖像壓縮。分析結(jié)果表明：可以通過犧
2009-07-07 14:42:1931 本文提出了用神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制器對(duì)加工過程進(jìn)行控制的方法。并以銑床加工過程為例，針對(duì)原PID控制器產(chǎn)生超調(diào)量過大，控制效果不理想，設(shè)計(jì)了一個(gè)神經(jīng)網(wǎng)絡(luò)辨識(shí)器(N
2009-12-26 13:58:0010 計(jì)算機(jī)輔助醫(yī)療診斷是計(jì)算機(jī)應(yīng)用的一個(gè)熱門方向。本文旨在探討基于EM 算法的高斯混合模型在乳腺癌診斷方面的有效性。通過與現(xiàn)在流行的BP 神經(jīng)網(wǎng)絡(luò)輔助醫(yī)療診斷方法的比較
2010-01-09 11:54:5424 該文提出了一種嵌入自聯(lián)想神經(jīng)網(wǎng)絡(luò)的高斯混合模型，它充分利用了神經(jīng)網(wǎng)絡(luò)和高斯混合模型各自的優(yōu)點(diǎn)，以最大似然概率(ML)為準(zhǔn)則，把它們作為一個(gè)整體來進(jìn)行訓(xùn)練。訓(xùn)練過程中
2010-03-05 16:27:1215 人工神經(jīng)網(wǎng)絡(luò),人工神經(jīng)網(wǎng)絡(luò)是什么意思
神經(jīng)網(wǎng)絡(luò)是一門活躍的邊緣性交叉學(xué)科.研究它的發(fā)展過程和前沿問題，具有重要的理論意義
2010-03-06 13:39:013296 本內(nèi)容詳細(xì)介紹了污水處理過程中DO的模糊神經(jīng)網(wǎng)絡(luò)控制
2011-09-21 17:05:1425 在核動(dòng)力蒸汽發(fā)生器(SG)運(yùn)行過程中，其逆動(dòng)力學(xué)效應(yīng)使其動(dòng)態(tài)特性難以辨識(shí)。為提高蒸汽發(fā)生器動(dòng)態(tài)特性辨識(shí)的效果，提出了基于小波神經(jīng)網(wǎng)絡(luò)的蒸汽發(fā)生器動(dòng)態(tài)過程辨識(shí)的新方法。辨
2011-09-28 14:01:4412 針對(duì)現(xiàn)有基于強(qiáng)化學(xué)習(xí)的云資源調(diào)度算法收斂速度慢的問題，在詳細(xì)分析云作業(yè)執(zhí)行流程后，采用了一種細(xì)粒度的云計(jì)算平臺(tái)模型，設(shè)計(jì)了一種基于高斯過程回歸和強(qiáng)化學(xué)習(xí)的云計(jì)算資源調(diào)度算法。算法將資源分配問題轉(zhuǎn)換
2017-11-02 16:50:1415 ， 網(wǎng)絡(luò)的訓(xùn)練過程即為調(diào)節(jié)該函數(shù)參數(shù)提高預(yù)測精度的過程.神經(jīng)網(wǎng)絡(luò)要解決的問題與最小二乘法回歸解決的問題并無根本性區(qū)別。 回歸和分類是常用神經(jīng)網(wǎng)絡(luò)處理的兩類問題， 如果你已經(jīng)了解了神經(jīng)網(wǎng)絡(luò)的工作原理可以在 上體驗(yàn)一個(gè)淺層神經(jīng)網(wǎng)絡(luò)的工作過程。
2017-11-16 12:26:526900 
一、共焦腔內(nèi)或腔外的一點(diǎn)的行波場的解析式： 在橫截面內(nèi)的場振幅分布按高斯函數(shù)所描述的規(guī)律從中心（即傳輸軸線）向外平滑地降落。
2017-11-21 14:09:433 針對(duì)認(rèn)知無線網(wǎng)絡(luò)中認(rèn)知用戶的頻譜分配問題，提出了一種基于拍賣理論和高斯過程回歸學(xué)習(xí)的頻譜分配算法。該算法基于VCG拍賣模型，考慮認(rèn)知用戶對(duì)通信質(zhì)量的要求，構(gòu)造出更有效的收益函數(shù)。在頻譜拍賣過程
2017-11-30 10:40:310 使用新的解釋技術(shù)，來分析神經(jīng)網(wǎng)絡(luò)做機(jī)器翻譯和語音識(shí)別的訓(xùn)練過程,神經(jīng)網(wǎng)絡(luò)語言處理工作原理有待破解。
2017-12-12 14:31:081566 針對(duì)傳感網(wǎng)環(huán)境監(jiān)測應(yīng)用采集的時(shí)間序列數(shù)據(jù)，提出了一種新的基于高斯過程模型的多步預(yù)測方法，實(shí)現(xiàn)了對(duì)未來時(shí)刻的環(huán)境監(jiān)測數(shù)據(jù)的預(yù)測。高斯過程模型通過核函數(shù)描述數(shù)據(jù)的特性，通過對(duì)環(huán)境監(jiān)測數(shù)據(jù)的經(jīng)驗(yàn)?zāi)B(tài)分解
2018-03-08 10:12:361 高斯過程函數(shù)回歸的兩層混合模型及其MCMC-EM算法 英文文獻(xiàn)
2018-06-04 14:21:132 卷積過程是卷積神經(jīng)網(wǎng)絡(luò)最主要的特征。然而卷積過程有比較多的細(xì)節(jié)，初學(xué)者常會(huì)有比較多的問題，這篇文章對(duì)卷積過程進(jìn)行比較詳細(xì)的解釋。
2019-05-02 15:39:0015154 
高斯過程隱變量模型（GPLⅴM）作為一種無監(jiān)督的貝葉斯非參數(shù)降維模型，無法有效利用數(shù)據(jù)所包含的語義標(biāo)記信息，同時(shí)其建模過程中假設(shè)觀測變量的各特征相互獨(dú)立，忽略了特征之間的空間結(jié)構(gòu)信息。為解決上述問題
2021-03-11 16:01:558 其中(x,y)(x,y)為點(diǎn)坐標(biāo)，在圖像處理中可認(rèn)為是整數(shù);σσ是標(biāo)準(zhǔn)差。要想得到一個(gè)高斯濾波器的模板，可以對(duì)高斯函數(shù)進(jìn)行離散化，得到的高斯函數(shù)值作為模板的系數(shù)。
2021-03-20 10:41:043513 
針對(duì)使用高斯混合模型的圖像先驗(yàn)建模中分量數(shù)目難以擴(kuò)展的問題，構(gòu)建基于狄利克雷過程的可擴(kuò)展高斯混合模型。通過聚類分量的新增及歸并機(jī)制，使模型復(fù)雜度根據(jù)數(shù)據(jù)規(guī)模自適應(yīng)變化，從而增強(qiáng)先驗(yàn)?zāi)Ｐ徒Y(jié)構(gòu)的緊密度
2021-04-29 11:17:497 本文主要介紹了高斯濾波器的原理及其實(shí)現(xiàn)過程。
2022-04-27 09:06:405658 這是一篇關(guān)于模擬高斯濾波器設(shè)計(jì)的經(jīng)典文章，發(fā)表于1959年1月的《電氣通信》雜志上。此篇文章引用度比較高，而且內(nèi)容非常詳實(shí)，包含了高斯濾波器綜合和實(shí)現(xiàn)的整個(gè)過程，文章中也討論了有限Q值的濾波器設(shè)計(jì)非常有參考價(jià)值。
2023-05-11 11:54:18839 
電子發(fā)燒友網(wǎng)站提供《PyTorch教程18.1之高斯過程簡介.pdf》資料免費(fèi)下載
2023-06-05 10:46:240 電子發(fā)燒友網(wǎng)站提供《PyTorch教程18.2之高斯過程先驗(yàn).pdf》資料免費(fèi)下載
2023-06-05 10:47:200 電子發(fā)燒友網(wǎng)站提供《PyTorch教程18.3之高斯過程推理.pdf》資料免費(fèi)下載
2023-06-05 10:48:510 在 SageMaker Studio Lab 中打開筆記本
在許多情況下，機(jī)器學(xué)習(xí)相當(dāng)于從數(shù)據(jù)中估計(jì)參數(shù)。這些參數(shù)通常很多且相對(duì)難以解釋——例如神經(jīng)網(wǎng)絡(luò)的權(quán)重。相比之下，高斯過程提供了一種機(jī)制，可以
2023-06-05 15:44:43547 
18.2. 高斯過程先驗(yàn)? Colab [火炬]在 Colab 中打開筆記本 Colab [mxnet] Open the notebook in Colab Colab [jax
2023-06-05 15:44:43495 
一個(gè)“簡而言之 GP”部分，可在實(shí)踐中快速啟動(dòng)和運(yùn)行高斯過程。我們將從頭開始編寫所有基本操作的代碼，然后介紹
GPyTorch，這將使使用最先進(jìn)的高斯過程以及與深度神經(jīng)網(wǎng)絡(luò)的集成更加方便。我們將在
2023-06-05 15:44:44580 
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論