搜索资源列表
DeepLearning-master
- 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。[1] 深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。[1] 深度学习是机器
delete-outliers
- 用于去除一个数据集中的野点的matlab函数，可应用数据建模及统计分析-For input vector A, returns a vector B with outliers (at the significance level alpha) removed. Also, optional output argument idx returns the indices in A of outlier values. Optional output argument outlie
DBScan03
- DBScan算法实现，用Java高级编程语言正确实现DBSCAN算法，DBScan是一种基于密度的聚类算法，它有一个核心点的概念：如果一个点，在距它e的范围内有不少于MinP个点，则该点就是核心点。核心和它e范围内的邻居形成一个簇。在一个簇内如果出现多个点都是核心点，则以这些核心点为中心的簇要合并。最终输出找到的簇及其数据点。-DBScan algorithm, using high-level programming language Java is implemented correctly
LDA-topic-model
- 首先声明，这是别人写的LDA主题模型代码，本人测试过，可以运行，但是输出跟输出有点不尽人意，输入的是词的序号和该词在文档中出现的次数，要是可以直接读取文档就完美了。输出是主题以及词在该主题出现的概率，其中得到的主题我就看不懂了，不知道是算法问题，还是因为我的水平有限。在研究LDA主题模型的朋友，可以下载试一下-First statement, which is written by someone else LDA topic model code, I tested, you can run,
packet-wavelet
- This code use for image texture classification use packet wavelet first level
backprop
- 应用深度学习方法，挖掘数据在更深层次上的特征-Application of deep learning method, digging deeper level characteristic data