W1

回溯算法-定和子集问题

数学模型：数的集合S={w1,w2,…,wn};定数：M;求解向量:x=(x1,x2,…,xn)，xi为0或1,使得wi*xi==M.约束条件：1、假定前k-1项选择已经确定，并且第k项已选择，使得wi
Xminyang·2020-08-17 20:13

LLIS寒假学习(2)：动手学深度学习(pytorch版)：线性回归代码实现的逐步理解

假设输出与各个输入之间是线性关系：y^=x1w1+x2w2+b其中w1和w2是权重（weight），b是偏差（bias），且均为标量。它们是线性回归模型的参数（parameter）。
伯纳乌的小草·2020-08-17 17:00

鸢尾花BP算法实现 Python

4个特征值W1arrY1隐藏层为10层W2arrY2每一条数据，有3种输出结果测试数据,输入层权重隐藏层权重输出层输入层到隐藏层：隐藏层到输出层：损失函数trainL为测试集的真实标签，是预测的标签对w1
李向鱼·2020-08-17 14:36

简单的双层神经网络训练mnist数据集

首先想要说明构建的这个神经网络的基本结构，还是利用mnist数据集进行训练，然后因为是最简单的神经网络,所以我们设定的网络结构是两层，然后第一层256个神经元，第二层是128个神经元，既然这样的话我们就可以计算出W1
Francis郭·2020-08-17 13:35

BP算法简单实例

:utf-8-*-importnumpyasnpdefsigmoid(x):#激活函数return1/(1+np.exp(-x))input=np.array([[0.35],[0.9]])#输入数据w1
芦金宇·2020-08-17 12:44

python利用似然比进行参数检验

似然比是逻辑回归参数检验的一种方法假设我们的逻辑回归有n个特征，需要对其中的x1特征对于的参数w1做参数检验1、计算包含全部特征的预测概率似然估计L02、扣除x1特征进行重新拟合逻辑回归，计算新的逻辑回归模型的似然估计
Spirit_6275·2020-08-17 11:59

OneHotEncoder独热编码和 LabelEncoder标签编码

首先了解机器学习中的特征类别：连续型特征和离散型特征拿到获取的原始特征，必须对每一特征分别进行归一化，比如，特征A的取值范围是[-1000,1000]，特征B的取值范围是[-1,1].如果使用logistic回归，w1
码不停题Elon·2020-08-17 11:51

树莓派（五）：步进电机的控制

200个脉冲一转以此类推，如下第二张图所示，为S1和S4的闭合importRPi.GPIOasGPIOimporttimeIN1=40#pin40IN2=38IN3=36IN4=35defsetStep(w1
哦吼吼231·2020-08-17 11:30

《机器学习》赵卫东学习笔记 第6章 神经网络（课后习题及答案）

1简述感知机的基本原理一个感知器可以接收n个输入x=(x1,x2,…,xn)，对应n个权值w=(w1,w2,…,wn)，此外还有一个偏置项阈值，就是图中的b，神经元将所有输入参数与对应权值进行加权求和，
一页孤沙·2020-08-17 03:36

最小二乘法建模

最简单的线性模型是：……（1）学习的任务就是用数据为两个参数w0和w1选择合适的值。衡量一个模型与数据点接近程度的普遍方法是真正的目标值与模型预测的目标值之间的平方差：数值越小表明在xn处越接近tn。
逆袭的青年·2020-08-17 01:03

2ASK_2PSK_2FSK调制系统仿真分析-利用matlab

SNR_dB/10);N=100000;t=0:0.02:4;%fefinethe intervalofthes0ands1w1=2*pi;w2=4*pi;A=2;%2PSK调制s0_2PSK=A*sin(w1
懒惰的地狱里没有金容仙·2020-08-16 20:24

word embedding之skip gram理解

所谓wordembedding我的理解就是把词通过上下文之间的联系转换成词向量skipgram是其中一种，是由中心词到周围词小周亲手画的上图中，首先输入中心词的onehot编码，与矩阵W1相乘，获取中心词的词向量
fff2zrx·2020-08-16 14:22

【Python自然语言处理】中文分词技术——统计分词

2.2语言模型语言模型的形式化描述：长度为m的字符串的概率分布：P(w1,w2,...,wm)=P(w1)P(w2∣w1)
XD1998·2020-08-16 10:25

OneHotEncoder独热编码和 LabelEncoder标签编码

首先了解机器学习中的特征类别：连续型特征和离散型特征拿到获取的原始特征，必须对每一特征分别进行归一化，比如，特征A的取值范围是[-1000,1000]，特征B的取值范围是[-1,1].如果使用logistic回归，w1
weixin_30678821·2020-08-16 09:28

【Logistic回归】原理及Python代码示例

Logistic回归模型如下：x=(x1,x,2,...,xn,1)，为样本输入，w=(w1,w2,...,wn,b)为权值向量，
SpaceAutomation·2020-08-16 08:46

大津法（Python实现）

下面定义类间方差的计算公式：假设我们使用阈值T将灰度图像分割为前景和背景size：图像总像素个数u：图像的平均灰度w0：前景像素点占整幅图像大小的比例u0：前景像素点的平均值w1：
爬金字塔的人·2020-08-16 08:45

基于Fisher线性判别分析的手写数字识别

基于Fisher线性判别分析的手写数字识别Fisher算法简介：为简单起见，我们以两类问题1和2的分类来说明Fisher判别法的原理，看下面的图，为识别w1类和w2类，通过选择适当的投影方向可以比较好的分开这两类
日事日毕_日清日高·2020-08-16 08:10

OTSU二值化方法的MATLAB实现

也可以看到σ²B的计算公式是其中W0，W1，μ0，μ1，μT的计算公式如下在这里面的Pi即为每个灰度值出现的概
FORX·2020-08-16 07:46

python实现粒子群算法

Administrator"""fromPSOimportPSOpso_example=PSO(popsize=30,maxgen=100,dim=5,popmin=-50,popmax=50,c1=1.5,c2=1.5,w1
moshanghuali·2020-08-16 07:31

（五）循环神经网络 -- 1 语言模型

假设一段长度为TTT的文本中的词依次为w1,w2,…,wTw_1,w_2,\ldots,w_Tw1,w2,…,wT，那么，在离散的时间序列中，wtw_twt（1≤t≤T1\leqt\leqT1≤t≤T）
Fiona-Dong·2020-08-16 07:11

完全背包java实现

完全背包是在N种物品中选取若干件（同一种物品可多次选取）放在空间为V的背包里，每种物品的体积为C1，C2，…，Cn，与之相对应的价值为W1,W2，…，Wn.求解怎么装物品可使背包里物品总价值最大。
志于青筱梦于马·2020-08-16 03:42

使用numpy实现两层神经网络 (附Backward详细推导)

numpy实现两层神经网络(附Backward详细推导)基于numpy与pytorch首先看看最简单的两层神经网络长的是什么样子的,如下,只有一个隐藏层本次案例中只使用relu激活函数,也就是如下的结构h=w1
Joker-Tong·2020-08-15 23:00

mysql 批量value插入 批量update case when then

insertintotableName(type1,type2,type3)values(“q1”,”w1”,”e1”),(“q2”,”w2”,”e2”),(“q3”,”w3”,”e3”)；UPDATEapp_history_statistics_by_hourSETh00
dkaq1104·2020-08-15 22:59

Java实现背包问题

1问题描述给定n个重量为w1，w2，w3，…，wn，价值为v1，v2，…，vn的物品和一个承重为W的背包，求这些物品中最有价值的子集（PS：每一个物品要么选一次，要么不选），并且要能够装到背包。
a1439775520·2020-08-15 22:42

完全背包 nyoj311

此题之前先分析两种常见的背包问题，01背包与完全背包，01背包：在M件物品中取出若干件物品放到背包中，每件物品对应的体积v1,v2,v3,....对应的价值为w1,w2,w3,,,,，每件物品之多拿一件
Red_Flame·2020-08-15 22:36

橡皮筋技术画折线和矩形

#includestaticGLsizeiiMode=1;intwinWidth=400,winHeight=300;intnum=0,a[100],b[100],w1,h1,w2,h2;intiPointNum
hit15105·2020-08-15 18:42

几何角度理解叉乘

设有向量v⃗=(v1,v2,v3),w⃗=(w1,w2,w3),\vec{v}=(v_1,v_2,v_3),\quad\vec{w}=(w_1,w_2,w_3),\quadv=(v1,v2,v3),w=
吴一奇·2020-08-15 17:29

背包问题 （二进制优化模版）

从中任选若干件放在容量为W的背包里，每种物品的体积为W1，W2……Wn（Wi为整数），与之相对应的价值为P1,P2……Pn（Pi为整数）。求背包能够容纳的最大价值。
oinei·2020-08-15 14:36

【CS224n】笔记8 RNN和语言模型

1语言模型语言模型就是计算一个单词序列（句子）的概率（P(w1,…,wm)）的模型。
20%橙小鱼·2020-08-15 13:48

51nod 多重背包问题（二进制优化）

从中任选若干件放在容量为W的背包里，每种物品的体积为W1，W2......Wn（Wi为整数），与之相对应的价值为P1,P2......Pn（Pi为整数）。求背包能够容纳的最大价值。
weixin_34335458·2020-08-15 11:30

平分石头

平分石头题目描述:有一n个石头，它们的重量分别是W1,…,Wn.写一个程序，把它们分成两堆，使得两堆石头的重量差最小。输入格式:输入n(1≤n≤20)表示石头的个数。
anyin3468·2020-08-15 10:28

51Nod 1086 背包问题 V2(二进制多重背包)

从中任选若干件放在容量为W的背包里，每种物品的体积为W1，W2……Wn（Wi为整数），与之相对应的价值为P1,P2……Pn（Pi为整数）。求背包能够容纳的最大价值。
Tony L.Du·2020-08-15 10:51

原文翻译：深度学习测试题（L1 W1 测试题）

导语本文翻译自deeplearning.ai的深度学习课程测试作业，近期将逐步翻译完毕，一共五门课。翻译：黄海广本集翻译Lesson1Week1：Lesson1NeuralNetworksandDeepLearning(第一门课神经网络和深度学习)Week1Quiz-Introductiontodeeplearning(第一周测验-深度学习简介)1.Whatdoestheanalogy“AIist
湾区人工智能·2020-08-15 05:25

【机器学习】分类算法——Logistic回归

一、LR分类器（LogisticRegressionClassifier）在分类情形下，经过学习后的LR分类器是一组权值w0,w1,…,wn，当测试样本的数据输入时，这组权值与测试数据按照线性加和得到x
weixin_30832143·2020-08-14 20:20

7-7 到底是不是太胖了

真实体重与标准体重误差在10%以内都是完美身材（即|真实体重−标准体重|#includeusingnamespacestd;intmain(){intn;doubleh,w,w1;cin>>n;for(
文邹邹的理科生·2020-08-14 20:11

OSTU（大津算法选自适应阈值）

**重点内容**OTSU算法原理简介对于一幅图像，设当前景与背景的分割阈值为t时，前景点占图像比例为w0，均值为u0，背景点占图像比例为w1，均值为u1。则整个图像的均值为u=w0*u0+w1*u1。
xuluohongshang·2020-08-14 15:08

周志华《机器学习》读书笔记（2）

+wdxd+b一般用向量形式写成f(x)=wTx+b其中w=(w1;w2;...;wd)，w和b学得之后，模型就得以确定。线性模型有很好得解析性，例如在西瓜问题中学得f好瓜(
ize·2020-08-14 15:26

等距节点插值

include#defineN10010intmain(){doublexi[N],yi[N],A[N][2],B[N];//A[][]:向前差分表,B[]:向后差分表.intn,i,j,k,m;doublew,w1
大道殊同·2020-08-14 14:22

数据库事务的ACID隔离级中P0（脏写）和P4（更新丢失）的区别

可以表示为w1[x]...w2[x]...(c1ora1)P4（LostUpdate），更新丢失。表示为r1[x]...r2[x]w2[x]c2...w1[x]c1上面表达式的区别为：
Michaelzhangyy·2020-08-14 10:32

[数据结构]广度优先搜索算法（Breadth-First-Search,BFS）

广度优先搜索的概念广度优先搜索（BFS）类似于二叉树的层序遍历算法，它的基本思想是：首先访问起始顶点v，然后由v出发，依次访问v的各个未被访问过的邻接顶点w1,w2,w3….wn，然后再依次访问w1，w2
李正浩大魔王·2020-08-14 10:53

基础算法（三）——广度优先搜索

对于图的遍历，一般有以下的基本思想：①从图中某个顶点V0出发，并访问此顶点；②从V0出发，访问V0的各个未曾访问的邻接点W1，W2，…,Wk;然后,依此从W1,W2,…,Wk出发访问各自未被访问的邻接点
weixin_30532369·2020-08-14 08:17

tensorflow 保存/加载模型

importtensorflowastf#Preparetofeedinput,i.e.feed_dictandplaceholdersw1=tf.placeholder("float",name="w1
rogeroyer·2020-08-14 03:41

pytorch入门（1)

自动求导importtorchimportnumpyasnpN,D_in,H,D_out=64,1000,100,10x=torch.randn(N,D_in)y=torch.randn(N,D_out)w1
zjy2015302395·2020-08-14 00:38

贝叶斯分类器的MATLAB实现

贝叶斯分类器是一种简单的模式分类器，它是以特征值的统计概率为基础的，简单的讲，例如已知两个类w1和w2，一个未知样本x，这里说的未知，就是不知道它属于w1类还是属于w2类，然后根据统计方法分别计算得到x
yi_tech_blog·2020-08-13 23:34

【Codeforces】CF982B-Bus of Characters（优先队列）

题目链接：https://codeforces.com/problemset/problem/982/B题目大意给定2×n2\timesn2×n的座位，每一列的两个记为一排，每排有权重w1,w2,…,wn
xy160322·2020-08-13 23:11

CLRS 16.2贪心算法的原理

1)总重量W≤w1：显然装入第一个商品得到最优解；2)总重量W>w1：在A中前几
昵称怎么会存在·2020-08-13 19:39

【深度学习笔记1.1】人工神经网络（内含模型保存与恢复介绍）

LTU计算其输入的加权和（z=W1×1+W2×2+…++WN×n=Wt·x），然后将阶跃函数应用于该和，并输出结果：HW(x)=STEP(Z)=STEP(W^T·x)[1]。
取取经·2020-08-13 19:14

cs231神经网络学习笔记

像数据库CIFAR-10的案例中W是一个10×3072的矩阵，X是一个3072×1的向量，他们的结果就是得到10×1的得分向量》神经元则不同，它的计算法则是其中的W1可以是100×3072的矩阵与X相乘的到一个
轻描没淡写·2020-08-13 18:00

使用Numpy实现一个神经网络

importnumpyasnpN,D_in,H,D_out=64,1000,100,10x=np.random.randn(N,D_in)y=np.random.randn(N,D_out)w1=np.random.randn
Y·Not·Try·2020-08-13 17:53

pytorch重学篇——02使用numpy实现一个简单的双层网络

64,1000,100,10#N:batch大小，D_in输入维度，H隐藏层维度，D_out输出维度x=np.random.randn(N,D_in)y=np.random.randn(N,D_out)w1
呵呵咋了·2020-08-13 17:33
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他