搜索资源列表
melppaper6
- 为了提高深度模型的编码重构性能,本文为传统对比散度(Contrastive divergence,CD)添加了基于交叉熵的重构误差约束。利用改进后的算法训练了重构性深度自编码机(Reconstructive deep au-to-encoder,RDAE),并用 RDAE 替换混合激励线性预测编码(Mixed excitation linear prediction, MELP)语音编码器中 LSF 参数的矢量量化方法。测试结果表明,改进后的算法在损失一定模型似然度的条件下获得了重构性能的提升,
gaot
- tep 1：对遗传算法的运行参数进行赋值。参数包括种群规模、变量个数、交叉概率、变异概 率以及遗传运算的终止进化代数。 Step 2：建立区域描述器。根据轨道交通与常规公交运营协调模型的求解变量的约束条件，设 置变量的取值范围。 Step 3：在Step 2的变量取值范围内，随机产生初始群体，代入适应度函数计算其适应度值。 Step 4：执行比例选择算子进行选择操作。 Step 5：按交叉概率对交叉算子执行交叉操作。 Step 6：按变异概率执行离散变异操作。 Step 7：计算
遗传算法txt
- 遗传算法解决tsp问题 遗传算法，模拟达尔文进化论的自然选择和遗传学机理的生物进化过程的计算模型，一种选择不断选择优良个体的算法。谈到遗传，想想自然界动物遗传是怎么来的，自然主要过程包括染色体的选择，交叉，变异（不明白这个的可以去看看生物学），这些操作后，保证了以后的个体基本上是最优的，那么以后再继续这样下去就可以一直最优了。(Genetic algorithm to solve TSP problem)
itoolbox
- 协同区间偏最小二乘 siPLS算法是 N rgaard等对其提出 的 iPLS方法的改进, 其基本算法步骤如下:(1)对原始谱图进行 预处理;(2)在全谱范围内建立全局偏最小二乘模型, 即上节的 模型;(3)在整个光谱区间采用 iPLS建立多个等窗口宽度的子 区间, 假设为 n个;(4)在每个子区间上建立偏最小二乘法模型, 即可得到 n个局部模型;(5)以交叉验证时的均方根误差 RMSE 值为各模型的精度衡量标准, 比较全光谱模型和各局部模型的 精度;(6)组合精度最高的局部子区间
Microgrid optimal scheduling
- 文章以含有蓄电池、光伏、风机以及负荷的微电网为研究对象，在考虑蓄电池充放电约束、微电网与电网功率交换约束等条件下，建立了以负荷平均供电单价最小为目标的日前优化调度模型。并利用改进交叉算子的遗传算法进行求解。以某典型微电网为例进行建模与求解，得到了微电网日前优化调度方案，实现了微电网的经济稳定运行(Taking the micro-grid with storage battery, photovoltaic, fan and load as the research object, consid
GA
- 遗传算法，模拟达尔文进化论的自然选择和遗产学机理的生物进化构成的计算模型，一种不断选择优良个体的算法。谈到遗传，想想自然界动物遗传是怎么来的，自然主要过程包括染色体的选择，交叉，变异（不明白这个的可以去看看生物学），这些操作后，保证了以后的个基本上是最优的，那么以后再继续这样下去，就可以一直最优了。利用遗传算法，实现三维点云的配准。(Genetic algorithm, a computational model that simulates the biological evolution o
classifier_D
- 使用SVM分类器来预测乳腺癌病人的预后(特征选择；分类器构建)，评价模型时使用无被交叉验证，性能评价指标包括准确率，AUC，灵敏度，特异度。学会最基本的机器学习方法。可查看分发给大家的代码，以后遇到类似的问题，可用相似的思路和代码。(The SVM classifier was used to predict the prognosis of breast cancer patients (feature selection; classifier construction), and the
基于信息熵的图像自动分割
- 在k-means的理论基础上，利用GMM模型和交叉熵的知识实现对图像的自动分割
Python机器学习基础教程(完整电子版)
- 本书是机器学习入门书，以Python语言介绍。主要内容包括：机器学习的基本概念及其应用；实践中最常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的高级方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。(This book is an introduction to machine learning, introduced in Python langua
免疫算法求解配送中心选址问题matlab代码
- 免疫算法求解配送中心选址问题，配送中心向需求点配送货物是供应链中的重要部分.本文以成本最低为目标函数,把距离上限加入到惩罚机制,并根据抗体和抗原之间的亲和力设计自适应交叉和变异概率,把自适应的免疫算法应用到配送中心模型中进行求解,最后通过仿真实验对比验证了算法用在配送中心选址上有较好的效果.(Immune Algorithm is used to solve the location problem of Distribution Center, which is an important pa