搜索资源列表
random forest-matlab
- rf-随机森林:一个简单的随机森林例子,包含C4.5,ID3等多种信息熵计算过程(A simple example of random forest, including C4.5, ID3 and other information entropy calculation process)
arimanet
- ARIMA模型全称为自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA),是由博克思(Box)和詹金斯(Jenkins)于70年代初提出一著名时间序列预测方法[1] ,所以又称为box-jenkins模型、博克思-詹金斯法。其中ARIMA(p,d,q)称为差分自回归移动平均模型,AR是自回归, p为自回归项; MA为移动平均,q为移动平均项数,d为时间序列成为平稳时所做的差分次数。所谓ARIMA模型,是指将非平稳
DSGEcodes
- 基于MATLAB的动态随机一般均衡的每一步过程结果的展示。(A display of the results of each step of a dynamic stochastic general equilibrium based on MATLAB.)
09 遗传算法(Genetic Algorithm, GA)
- 遗传算法(Genetic Algorithm, GA)起源于对生物系统所进行的计算机模拟研究。它是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法,借鉴了达尔文的进化论和孟德尔的遗传学说。其本质是一种高效、并行、全局搜索的方法,能在搜索过程中自动获取和积累有关搜索空间的知识,并自适应地控制搜索过程以求得最佳解。(The genetic algorithm (Genetic Algorithm, GA) originated from the computer simulation of b
wgoedule
- 模式提取算法,它把神经网络的学习过程看作,最优化问题的随机并行算法,()
deepwalk-master
- skipgram的deepwalk算法,复杂网络节点表征学习文中有部分地方还是有很大的改进空间的,比如随机游走过程,本文提出的更像是随机地进行深搜,后来的很多文章,例如LINE、Node2vec都有在这方面有进行改进。还有一点就是LINE里面提到的,Deepwalk中没有提出一个明确的目标函数(这是不是机器学习专家的职业病,非得把问题转化为最优化问题…)(Deepwalk skipgram algorithm, the complex network node in the characteri
模拟退火算法及其在求解TSP中的应用
- 模拟退火算法(Simulated Annealing,SA)最早的思想是由N. Metropolis [1] 等人于1953年提出。1983 年,S. Kirkpatrick 等成功地将退火思想引入到组合优化领域。它是基于Monte-Carlo迭代求解策略的一种随机寻优算法,其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。(The earliest idea of Simulated Annealing (SA) was put forward by N. Metropo
lizilvbo
- 粒子滤波的MATLAB实现,通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数,用样本均值代替积分运算,进而获得系统状态的最小方差估计的过程,这些样本被形象的称为“粒子”,故而叫粒子滤波(MATLAB implementation of particle filter,By looking for a set of random samples which are propagated in the state space to approximate the probability
hsmm
- 隐马尔科夫模型是关于时序的概率模型,描述由一个隐藏的马尔科夫链随机生成不可观测的状态随机序列,再由各个状态生成一个观测而产生观测序列的过程。隐藏的马尔科夫链随机生成的状态的序列,称为状态序列;每个状态生成一个观测,而由此产生的观测的随机序列,称为观测序列。马尔科夫链由初始概率分布、状态转移概率分布以及观测概率分布确定(The hidden Markov model is a probabilistic model for time series. It describes the process
Deep Neural Network
- 深度神经网络训练过程中:首先是进行初始化,根据需求设置神经网络的基本结构;然后进行前向传递(feedforward),层与层之间进行传递,求得误差;然后进行反向传播(back propogation),根据误差最小化原则,使用随机梯度下降法,对各个参数进行求导,确定下降方向,对各个参数进行更新(In the training process of deep neural network, firstly, initialization is carried out, and the basic
chapter7
- 模拟退火算法来源于固体退火原理,将固体加温至充分高,再让其徐徐冷却,加温时,固体内部粒子随温升变为无序状,内能增大,而徐徐冷却时粒子渐趋有序,在每个温度都达到平衡态,最后在常温时达到基态,内能减为最小。根据Metropolis准则,粒子在温度T时趋于平衡的概率为e(-ΔE/(kT)),其中E为温度T时的内能,ΔE为其改变量,k为Boltzmann常数。用固体退火模拟组合优化问题,将内能E模拟为目标函数值f,温度T演化成控制参数t,即得到解组合优化问题的模拟退火算法:由初始解i和控制参数初值t开始