搜索资源列表
gaijinBPdaima
- BP神经网络，采用差异化学习率，进行自适应调节网络权值与阈值-BP u799E u7ECE u7EF1 u7EDR uFF0C u91C7 u758 u5DEE u5F02 u5316 u5B66 u4E60 u7387 uFF0C u8FDB u884C u81EA u9002 u5E94 u8C03 u8283 u7F51 u7EDC u6743 U503C u4E0E u9608 u503C
rbf
- 自己编写RBF神经网络程序，RBF神经网络隐层采用标准Gaussian径向基函数，输出层采用线性激活函数，其中数据中心、扩展常数和输出权值均用梯度法求解，它们的学习率均为0.001。其中隐节点数选为10，初始输出权值取[-0.1，0.1]内的随机值，初始数据中心取[-1，1]内的随机值，初始扩展常数取[0.1，0.3]内的随机值，输入采用[0 1]的随机阶跃输入(Write your own RBF neural network, RBF neural network hidden layer
Project1
- 多层神经网络，在训练过程中采用自适应学习率Adagrad方法。可以实现回归或分类问题。(The adaptive learning rate Adagrad method is adopted in the training process of the multilayer neural network. Regression or classification problems can be achieved.)
d
- <ul> * <li>界说变量与参数：输入变量x、权值变量w、偏置因子b，实践输出y、期望输出d和学习率参数c</li> * <li>初始化：n和权值w</li> * <li>输入练习样本，对每个练习样本拟定期望输出</li> * <li>核算实践输出y=sgn(w*x+b)<
lrCostFunction
- 输入权值、学习率、输入和输出，就可以计算得到损失值和梯度值(Input weight, learning rate, input and output can be calculated for loss value and gradient value)
CNN-matlab
- 卷积神经网络在matlab中的应用，可自行修改学习率和循环次数(Convolutional Neural Network in Matlab)
剪枝操作.tar
- 这是用于人脸识别相关论文，包括迁移学习，神经网络训练学习率，超参数设置等(This is for face recognition related papers, including migration learning, neural network training learning rate, super parameter setting, etc.)
ADAM
- ADAM （Adaptive Moment Estimation）是另外一种自适应学习率算法，它结合动量梯度 下降法，在不同参数方向上采用不同学习率，保留前几次迭代的梯度，能够很好 的适应于稀疏数据。(ADAM (Adaptive Moment Estimation) is another adaptive learning rate algorithm, which combines momentum gradient. The descent method, which uses di
IDBD
- IDBD算法是一种增量元学习算法。包括两个部分，第一部分针对作为其基础的LMS算法，其中包括利用时变步长参数的一个细小改动，并且FIR滤波器的M个抽头权值都依照向量方法自动调整；第二部分由三个公式组成的附加项，其中两个涉及相关记忆参数，第三个是元学习率参数的人工调整。
排队模型
- 通过一系列的数值实验，我们发现在一个全专家系统中，低利用率也会降低质量，因此最优的人员组合将灵活和 专业工人。我们还研究了当系统性能对人员配置选择敏感时。对于学习率高的小型系统，最佳的人员组合比极端情况（完全专业化或完全灵活的劳动力）。如果系统规模小，学习速度慢，则首选灵活的服务器。对于具有高学习率的大型系统，该模型倾向于专用服务器。在最后一组实验中，该模型分析了实际呼叫中心的设计选项。
DNN实现手写数字识别
- DNN实现手写数字的识别，准确率80以上，可以自行改变学习率等，希望能帮助到大家。