搜索资源列表
Example4
- 采用贝叶斯正则化算法（抑制过拟合）提高 BP 网络的推广能力，采用两种训练方法， 即 L-M 优化算法（trainlm）和贝叶斯正则化算法（trainbr），用以训练 BP 网络；-Bayesian regularization algorithm (inhibition of over-fitting) to improve the generalization ability of BP network, using two training methods, that LM opti
ArithmeticCoding_pdf
- 算术编码算法的分析与实现(论文全文) 摘要：分析了算术编码的理论基础，着重介绍WNC算法的实现方式。详细讨论了算术编码原理、正规化操作、WNC算法代码实现等技术。给出了一个切实可行的应用程序。 -Analysis of arithmetic coding algorithm (full paper) Abstract: This paper analyzes the theoretical basis of the arithmetic coding, highlighting th
na4-matlab7
- 《离散反问题》中的各类正则化matlab程序- Matlab package Regularization tools for the book 《discrete inverse problems》
tnorm
- Tnorm利用大量冒充者模型来得到均值u和方差δ，再用这两个数据带入到score =(score-u)/δ得到规整化之后的分数。这样使得结果更加合理。-Tnorm impostor model to get mean u and variance δ, then these two data into the score ' = (score-u)/δ score after regularization. This makes the results more reasonable.
ztnorm
- 对于说话人语音识别得到的分数，先进行2次znorm规整，再做一次tnorm的规整化，使得分数更加合理。-Speaker voice recognition score, the first 2 times znorm structured, do it again regularization tnorm, more reasonable scores.
Bayesian-regularization
- 贝叶斯正则化算法提高 BP 网络，L-M 优化算法（trainlm）和贝叶斯正则化算法（trainbr），用以训练 BP 网络-Bayesian regularization algorithm to improve BP network
matlab
- 采用贝叶斯正则化算法提高 BP 网络的推广能力。-Bayesian regularization algorithm to improve the generalization ability of BP network.
regularization
- 正则化(regularization)，是指在线性代数理论中，不适定问题通常是由一组线性代数方程定义的，而且这组方程组通常来源于有着很大的条件数的不适定反问题。大条件数意味着舍入误差或其它误差会严重地影响问题的结果。-Regularization, in mathematics and statistics and particularly in the fields of machine learning and inverse problems, refers to a process of
POST-helper
- 易语言编写的post助手,功能有抓包,正则,编码转换,提交测试等-Easy language assistant post, capture function, regularization, transcoding, submit testing
Sparse image and signal processing
- 这本书在稀疏的多尺度图像和信号处理提出了艺术状态，包括线性多尺度变换，如小波，脊波和曲波变换、非线性、多尺度变换基于中值和数学形态学算子。最近的稀疏性和形态多样性的概念描述和利用各种问题，如去噪，反问题正规化，稀疏信号分解，盲源分离，压缩感知。 这本书的理论和实践研究相结合的领域，如天文学、生物学、物理学、数字媒体应用和取证。最后一章探讨了信号处理中的一个范式转换，表明以前的信息取样和提取的限制可以用非常重要的方法加以克服。 MATLAB和IDL代码伴随这些方法和应用程序重现。 实验并说明