偏置

条件随机场 （conditional random fields ）模型

重点解决序列化标注的问题条件随机场模型既具有判别式模型的优点,又具有产生式模型考虑到上下文标记间的转移概率,以序列化形式进行全局参数优化和解码的特点,解决了其他判别式模型(如最大熵马尔科夫模型)难以避免的标记偏置问题
tiandijun·2015-08-30 11:00

elm学习总结

算法的步骤可以分为：1.确定隐含层的神经元个数，随机设定输入层与隐含层的链接权值，和隐含层的神经元的偏置b2.选择一个无限可微的函数作为隐含层神经元的激活函数（也叫压制函数）计算隐含层的输出H3.计算输出层权值
he_min·2015-08-29 16:00

RS485深入解析1：传输线的特性阻抗

、“为什么要加偏置电阻？”，“偏置电阻多少才合适”，“如何才能正确通过EMC测试”等等这些问题已经困扰了我很久，经验是工程中反复实验得来的，现在该是沉下心来，弥补自己理论
qingwufeiyang12346·2015-08-02 22:00

机试算法讲解： 第53题 动态规划之如何摆放橘子

第二行有n个数字，表明每个橘子的重量，1 #include #include //设置偏置值 #defineOFFSET20
qingyuanluofeng·2015-08-02 00:00

卷积神经网络误差分析

1、全连接网络的权值更新这一部分与经典的人工神经网络不同之处在于多了一个偏置值。我们主要对多出的这个偏置值的更新进行分析即可，其他的权值变化和人工神经网络的方法类似。
liuwu265·2015-07-20 19:00

详细解释CNN卷积神经网络各层的参数和链接个数的计算

图：卷积神经网络的概念示范：输入图像通过和三个可训练的滤波器和可加偏置进行卷积，滤波过程如图一，卷积后在C1层产生三个特征映射图，然后特征映射图中每组的四个像素再进行求和，加权值，加偏置，通过一个Sigmoid
萌面女xia·2015-07-14 15:35

DeepLearnToolBox中CNN源码解析

注意：代码中没有的subsampling进行设置参数，将subsampling层的参数w就设置为了0.25,而偏置参数b设置为0。
小村长·2015-06-20 22:34

DeepLearnToolBox中CNN源码解析

注意：代码中没有的subsampling进行设置参数，将subsampling层的参数w就设置为了0.25,而偏置参数b设置为0。卷积层计算过程为上一层所有featuremap的卷积
Lu597203933·2015-06-20 22:00

DeepLearnToolBox中CNN源码解析

注意：代码中没有的subsampling进行设置参数，将subsampling层的参数w就设置为了0.25,而偏置参数b设置为0。卷积层计算过程为上一层所有featuremap的卷积
Lu597203933·2015-06-20 22:00

神经网络与机器学习笔记——Rosenblatt感知器

Rosenblatt感知器感知器是用于线性可分模式（模式分别位于超平面两边）分类的最简单的神经网络模型，基本上由一个具有可调突触权值和偏置的神经元组成。
LXYTSOS·2015-05-01 10:41

神经网络与机器学习笔记——Rosenblatt感知器

Rosenblatt感知器感知器是用于线性可分模式（模式分别位于超平面两边）分类的最简单的神经网络模型，基本上由一个具有可调突触权值和偏置的神经元组成。
LXYTSOS·2015-05-01 10:00

audio：audio codec 分类小结

BIAS: 偏置电压，提供一个电压，比如给Mic供电，让其能够产生信号。VMID:Middlevoltage,用于给放大器输出提供一个参考电压，使负载
honour2sword·2015-04-25 10:00

神经网络与人工智能No0-导言（笔记版）

神经元的基本元素：突触、加法器、偏置、激活函数。神经元数学表示：Uk的称呼：线性组合器的输出Vk=Uk+Bk的称呼：诱导局部域、激活电位。偏置的作用是为Uk做仿射变换。
summeney·2015-04-23 22:00

神经网络与人工智能No0-导言（笔记版）

神经元的基本元素：突触、加法器、偏置、激活函数。神经元数学表示：Uk的称呼：线性组合器的输出Vk=Uk+Bk的称呼：诱导局部域、激活电位。偏置的作用是为Uk做仿射变换。
summeney·2015-04-23 22:00

神经网络与人工智能No1-Rosenblatt感知器（笔记版）

    直入正题，首先要确定的是Rosenblatt感知器的应用范围是线性可分模型（通俗的讲就是在N维空间中存在一个超平面可以将整个模型一分为二）其作用就是分类，由一个具有可调突触权值和偏置的神经元组成
summeney·2015-04-23 22:00

神经网络与人工智能No1-Rosenblatt感知器（笔记版）

    直入正题，首先要确定的是Rosenblatt感知器的应用范围是线性可分模型（通俗的讲就是在N维空间中存在一个超平面可以将整个模型一分为二）其作用就是分类，由一个具有可调突触权值和偏置的神经元组成
summeney·2015-04-23 22:00

机器学习实战——感知机

感知机学习一个如下的符号函数：f(x)=sign(wx+b)作为模型的判别函数，w和b为模型的权值和偏置。对于超平面
u010487568·2015-04-23 00:00

基于vc6.0----纯惯性技术仿真程序

//*********************捷联惯导静基座（或匀速）考虑陀螺漂移和加表偏置时系统误差********************////*********************坐标系为：
JSRGFJZ·2015-04-15 08:00

IEEE 754标准中，阶的偏置值为什么是127，而不是128？

ThereasonisbothInfinities/NaNsandgradualunderflow.Ifyouuseexponentstoshowbothinteger(n>=0)andfractional(n<0)valuesyouhavetheproblemthatyouneedoneexponentfor2^0=1.Sotheremainingrangeisodd,givingyoueith
dtl_Matrix·2015-03-29 19:45

舵机控制

2、工作原理控制信号由接收机的通道进入信号调制芯片，获得直流偏置电压。它内部有一个基准电路，产生周期为20ms，宽度为1.5ms的基准信号，将获得的直流偏置电压与电位器的电压比较，获
ekenlinbing·2015-01-27 13:20

舵机控制

2、工作原理      控制信号由接收机的通道进入信号调制芯片，获得直流偏置电压。它内部有一个基准电路，产生周期为20ms，宽度为1.5ms的基准信号，将获
ekenlinbing·2015-01-27 13:00

舵机的原理和控制

      控制信号由接收机的通道进入信号调制芯片，获得直流偏置电压。它内部有一个基准电路，产生周期为20ms，宽度为1.5ms的基准信号，将获得的直流偏置电压与电位器的电压比较，获得电压差输出。
PINBODEXIAOZHU·2015-01-08 10:00

OpenCV学习：改变图像的对比度和亮度

亮度和对比的调整，用常数对点进行乘法和加法运算，其中和称为增益和偏置参数，分别控制对比度和亮度。3）代码分析说明用imread函数载入图像，并存
yiting52·2014-12-30 15:00

[统计学习方法]感知机

1.感知机模型其中w和b为感知机模型的参数，w为权值向量，b为偏置，sign为符号函数，当x大于等于0时，sign(x)=+1，否则sign(x)=-1。
magicnumber·2014-12-21 15:00

基于CRF序列标注的中文依存句法分析器的Java实现

相较于《最大熵依存句法分析器的实现》，分析速度翻了一倍，达到了1077.6443sent/sCRF简介CRF是序列标注场景中常用的模型，比HMM能利用更多的特征，比MEMM更能抵抗标记偏置的问题。
hankcs·2014-12-12 00:00

CRF分词的纯Java实现

CRF简介CRF是序列标注场景中常用的模型，比HMM能利用更多的特征，比MEMM更能抵抗标记偏置的问题。CRF训练
hankcs·2014-12-10 15:00

精确测量小信号的示波器及探头技术

新款KeysightN7020A电源小信号探头针对各种直流电源测量而专门设计，具有极其出色的技术指标，包括极低的噪声、±24V宽偏置范围以及2GHz带宽。详细解读和小伙伴们一起来吐槽
李航421·2014-11-11 16:00

条件随机场(conditional random fields) 及代码实现

重点解决序列化标注的问题条件随机场模型既具有判别式模型的优点,又具有产生式模型考虑到上下文标记间的转移概率,以序列化形式进行全局参数优化和解码的特点,解决了其他判别式模型(如最大熵马尔科夫模型)难以避免的标记偏置问题
wenyusuran·2014-11-07 11:00

python机器学习之神经网络(一)

我自己在numpy库的基础上，自己编写了一个简单的神经网络程序，是基于Rosenblatt感知器的，这个感知器建立在一个线性神经元之上，神经元模型的求和节点计算作用于突触输入的线性组合，同时结合外部作用的偏置
wukk007·2014-11-03 18:59

python机器学习之神经网络(一)

我自己在numpy库的基础上，自己编写了一个简单的神经网络程序，是基于Rosenblatt感知器的，这个感知器建立在一个线性神经元之上，神经元模型的求和节点计算作用于突触输入的线性组合，同时结合外部作用的偏置
fennvde007·2014-11-03 18:00

感知机的matlab实现

输入空间到输出空间的函数为：f(x)=sign（w*x+b）其中w，b感知机模型参数，w是权值（权向量），b是偏置，w*x是w和x的内积。
shihz_fy·2014-11-01 20:00

DBN C++代码理解

其训练过程就是，先逐个训练每个RBM，用训练好的权值和偏置初始化一个相应的BP神经网络，再用有标签的数据调优整个网络。下面我们看一下整个DBN的代码。先是几个class的定义。
u012878523·2014-09-12 10:00

常用运放参数大全

LF147/347四JFET输入运算放大器输入失调电压1mV（LF147）、5mV（LF347）；温度漂移10μV/℃；偏置电流50pA增益带宽4
龙山老妖·2014-09-01 19:59

标记偏置 隐马尔科夫 最大熵马尔科夫 HMM MEMM

隐马尔科夫模型（HMM）：图1.隐马尔科夫模型隐马尔科夫模型的缺点：       1、HMM只依赖于每一个状态和它对应的观察对象：             序列标注问题不仅和单个词相关，而且和观察序列的长度，单词的上下文，等等相关。       2、目标函数和预测目标函数不匹配：             HMM学到的是状态和观察序列的联合分布P(Y,X)，而预测问题中，我们需要的是条件概率P(Y|
xum2008·2014-07-26 17:00

简单易学的机器学习算法——Rosenblatt感知机的对偶解法

构造了如下的输入空间到输出空间的函数：其中，为权重，为偏置。为符号函数：求解这个函数的重点就是求解函数中的参数：和。Rosenblatt感知机通过构造损失函数，并
zhiyong_will·2014-07-16 09:19

简单易学的机器学习算法——Rosenblatt感知机的对偶解法

构造了如下的输入空间到输出空间的函数：其中，为权重，为偏置。为符号函数：求解这个函数的重点就是求解函数中的参数：和。Rosenblatt感知机通过构造损失函数
google19890102·2014-07-16 09:00

TQ2440 触摸屏入门

为了在X轴方向进行测量，将左侧总线偏置为0V，右侧总线偏置为VREF。将顶部或底部总线连接到ADC，当顶层和底层相接触时即可作一次测量。为了在Y轴方向进行
yongbudl2012·2014-07-12 02:00

PINCTRL子系统

-配置管脚、pad、金手指，如软件控制的偏置和驱动模式指定的管脚，如上拉/下拉，开漏极、负载电流等顶层接口===================管脚控制器定义-管脚控制器用于控制芯片管脚。
cosmoslhf·2014-06-27 11:00

简单易学的机器学习算法——神经网络之BP神经网络

神经网络模型)BP神经网络的过程主要分为两个阶段，第一阶段是信号的前向传播，从输入层经过隐含层，最后到达输出层；第二阶段是误差的反向传播，从输出层到隐含层，最后到输入层，依次调节隐含层到输出层的权重和偏置
zhiyong_will·2014-06-21 11:19

简单易学的机器学习算法——神经网络之BP神经网络

神经网络模型)BP神经网络的过程主要分为两个阶段，第一阶段是信号的前向传播，从输入层经过隐含层，最后到达输出层；第二阶段是误差的反向传播，从输出层到隐含层，最后到输入层，依次调节隐含层到输出层的权重和偏置
google19890102·2014-06-21 11:00

扫描探针显微术入门（6）

偏置电压通常在0.1–1 V 之间，隧道电流在 0.1~1 nA之间。隧道接触电阻Rt在10^8 到 10^10 欧
liyuanbhu·2014-06-04 20:00

简单易学的机器学习算法——Rosenblatt感知机

其中和为感知机的参数，为权重，为偏置。为向量与向量之间的内积。为符号函数：为分隔超平面。二、感知机模型的训练1、目标函数为了能够正确的对实例分类，我们的目标是能够求出分隔超平面，即求出
zhiyong_will·2014-05-17 12:56

简单易学的机器学习算法——Rosenblatt感知机

其中和为感知机的参数，为权重，为偏置。为向量与向量之间的内积。为符号函数：为分隔超平面。二、感知机模型的训练  1、目标函数    为了能够正确的对实例分类，我们的目标是能够求
google19890102·2014-05-17 12:00

python机器学习之神经网络(一)

我自己在numpy库的基础上，自己编写了一个简单的神经网络程序，是基于Rosenblatt感知器的，这个感知器建立在一个线性神经元之上，神经元模型的求和节点计算作用于突触输入的线性组合，同时结合外部作用的偏置
cui134·2014-05-12 16:00

Deeplearning Toolbox中CNN代码的修改--增加下采样层偏置

前几天学习了DeeplearningToolbox中关于CNN的那部分代码，发现这个Toolbox的关于CNN的实现与经典的LeNet-5的实现有下面几点不同： 在下采样层，在计算前一层的神经元之和后没有使用到偏置
shengno1·2014-04-26 13:00

简单易学的机器学习算法——极限学习机(ELM)

二、极限学习机的原理ELM是一种新型的快速学习算法，对于单隐层神经网络，ELM可以随机初始化输入权重和偏置并得到相应的输出权重。(选自黄广斌老师
zhiyong_will·2014-04-24 11:51

简单易学的机器学习算法——极限学习机(ELM)

二、极限学习机的原理ELM是一种新型的快速学习算法，对于单隐层神经网络，ELM可以随机初始化输入权重和偏置并得到相应的输出权重。(选自黄
google19890102·2014-04-24 11:00

电容滤波电路

当uC>u2，导致D1和D3管反向偏置而截止，电容通过负载电阻RL放电，uC按指数规律缓慢下降。 
lifan_3a·2014-04-06 01:00

有关芯片手册上的偏置的概念

使晶体管工作在放大状态的电路，简称为偏置电路（可以理解为设置正反偏的电路）。而使晶体管工作在放大状态的关键是其基极电压，因此，基极电压又称为偏置电压。
qqliyunpeng·2014-03-24 23:00

三极管基极偏置电阻

注意：“输入5V，那么分压点Vb电压是3.4V”的前提是两个电阻分压，但没有晶体管的情况下。一旦接入晶体管，be结必会导通，Vb的电压就被箝位在0.65V上，就不再是两个电阻分压了。应该理解成“4.7K电阻串联了一个正向连接的二极管到地”，而那个10K电阻只不过是并在二极管上而已。 至于10K电阻的作用，是为了在没有输入电压（或输入端悬空）时，保证晶体管可靠截止。这个电阻的作用是提高可靠性。半导体
lifan_3a·2014-03-22 13:00
上一页 51 52 53 54 55 56 57 58 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他