搜索资源列表
hidden-space
- 最小二乘隐空间支持向量机 王玲 薄列峰 刘芳 焦李成 ! 在隐空间中采用最小二乘损失函数$提出了 最 小 二 乘 隐 空 间 支 持 向 量 机#0*&**52H 8 同 隐 空 间 支 持 向 量机#&**52H 一样$最小二乘隐空间支持向量机不需 要 核 函 数 满 足 正 定 条 件$从 而 扩 展 了 支 持 向 量 机 核 函 数 的 选择范围 8 由于采用了最小二乘损失函数$最小二乘隐空间支持向量机产生的优 化 问 题 为 无 约 束 凸 二 次 规
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)
Chapter04
- 基于tensorflow 的神经网络的损失函数,学习率,正则化,滑动平均等方法(Method of loss function, learning rate, regularization and sliding average of neural network based on tensorflow)
深度学习CNN手写数字识别
- 利用CNN网络手写数字识别,注释清楚,损失函数用的是focalloss,标注明确,可以跑通,框架是pytorch