搜索资源列表
Perceptron
- 这是一个单层感知器的神经网络程序，用来进行分类的，程序经过修改优化，精简清晰。-This is a single layer perceptron neural network program, to be classified, the program has been modified to optimize, streamline and clear.
NNLM1
- 神经网络与机器学习第一章：感知器分类半月形数据-Neural Networks and Machine Learning Chapter I: Classification meniscus sensor data
matlab
- 题目:设计二分类数据集合，满足 1 线性可分 2 线性可分但是有离群点 3 线性不可分 将利用神经网络感知器来进行操作. -Title: design binary classification data collection, meet 1 linear separable Two linear separable but there are outliers Three linear inseparable Will use the perceptron neur
starter
- 基于深度学习的稀疏自编码器，对图像特征进行提取，然后分类-Extraction the encoder based on sparse feature depth study
AutoEncoder
- 最先提出深度学习算法hinton的自动编码器matlab代码，内容是：利用多层rbm进行自动编码的多层特征训练，然后使用梯度算法进行fine turn。可以进行特征提取，也可以进行分类。压缩包里已带有训练用签字图片数据。相应算法说明可以查看hinton于2006年发表在 science的文章-First proposed deep learning algorithm hinton automatic encoder matlab code that reads: multilayer r
perceptron
- 自己编写的用感知器算法分类UCI数据集中的iris数据集-UCI classification by perception algorithm dataset iris data set
Perceptron-numerical-experiment
- 1.设计一个单一感知器解决简单分类问题 2.设计多个感知器神经元解决分类问题，并绘出图像 3.利用标准化感知器学习规则消除奇异样本对训练的影响-Design perceptron to solve classification problems
perceptronClustering
- fisher线性分类，多层感知器非线性分类，K-Means聚类-Fisher linear classification, multilayer perceptron linear classifiers, K-Means Clustering
机器学习之随机森林
- Bagging是并行式集成学习方法最著名的代表，Bagging通常对分类任务使用简单投票法，随机森林（RF）是Bagging的一个扩展变体，RF在以决策树为基学习器构建Bagging 集成的基础上，进一步在决策树的训练过程中引入了随机属性选择。在RF中，集成模型的每棵树构建时所需的样本都是由训练集经过有放回的随机抽样得来（即自助采样法bootstrap sample）。