SVM支持向量机，预测分类回归，支持向量机(SupportVectorMachine，SVM)是CorinnaCortes和Vapnik等于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。
在机器学习中，支持向量机（SVM，还支持矢量网络）是与相关的学习算法有关的监督学习模型，可以分析数据，识别模式，用于分类和回归分析。
在机器学习中，支持向量机（SVM，还支持矢量网络）是与相关的学习算法有关的监督学习模型，可以分析数据，识别模式，用于分类和回归分析。
2024/11/26 14:13:05
415KB
SVM的两个例子（详细，有实验报告），这是之前找资料的时候花了很多积分下载的，我觉得还是蛮有用的，至少比网上很多人的没有用的错的代码强的多，这是SVM的分类，有对文本的分类，还有SVM最基础的例子。
2024/11/26 14:43:20
12.82MB
这是基于斯坦福大学一篇论文里面的stanley方法，具体的内容见我的博客https://mp.csdn.net/postedit/91483376
2024/11/26 12:36:14
449KB
在U型件冲压工艺中，回弹现象不可避免。
如何根据工艺参数预测回弹值大小，是一个重要问题。
在这里我选取了4个工艺参数（板料厚度，摩擦系数，凹模圆角半径，压边力），通过Abaqus获取了2688个仿真实验样本，得到了该四个因素对回弹的影响。
得到该数据集合。
有兴趣的可以用来做机器学习中的回归预测的练习。
如何根据工艺参数预测回弹值大小，是一个重要问题。
在这里我选取了4个工艺参数（板料厚度，摩擦系数，凹模圆角半径，压边力），通过Abaqus获取了2688个仿真实验样本，得到了该四个因素对回弹的影响。
得到该数据集合。
有兴趣的可以用来做机器学习中的回归预测的练习。
2024/11/26 10:26:27
289KB
脉冲神经网络亲测运行实例，Python版本的，正确不用调，所用的神经元模型为IF模型，进行STDP无监督学习，数据集为MNIST，可供学习。
2024/11/26 8:01:12
13.61MB
AdvancedRHadleyWickham原版电子书CRCPressTaylor&FrancisGroup6000BrokenSoundParkwayNW,Suite300BocaRaton,FL33487-2742©2015byTaylor&FrancisGroup,LLCCRCPressisanimprintofTaylor&FrancisGroup,anInformabusiness
2024/11/24 0:06:08
2.31MB
matlab2018b运行代码的速度几乎是两年前的两倍。
而且不需要对您的代码做出任何更改。
是时候替换原来的版本了
而且不需要对您的代码做出任何更改。
是时候替换原来的版本了
2024/11/22 20:40:34
19KB