为了预测分子的抗真菌活性，计算了表征分子的电子、拓扑、几何结构和分子形状等特征的67个分子描述符，并用于支持向量学习机对分子抗真菌活性分类模型的建立和活性预测。分别用留一法和五重交叉法对模型进行了验证。在五重交叉验证中，根据分子三维结构的相似性，首先把所研究的94个分子分成若干类，再分别从每一类中随机选择若干个分子组成若干个训练集，剩余的分子构成相应的测试集。结果表明，用上述两种验证方法得到的结果相近，且所建立的模型具有较高的预测性，交叉验证的预测正确率达到84.0%。
2021-10-14 18:56:05
514KB
1
实验步骤与内容：
1. 下载数据包ex3Data.zip并解压。
2. 对于这个练习，假设一所高中有一个数据集，代表40名被录取的学生和40名未被录取的学生。 每个(x (i)，y(i)) 数据包括两个标准化考试中学生的分数和学生是否被录取的标签。任务是建立一个二元分类模型，根据学生在两次考试中的成绩来估计大学录取机会。
3. polt data:使用不同的符号来表示录取结果，画出图像。
4. 假设模型的函数为sigmoid function：
进行求最优解的代价函数cost function J(θ)：
要求的就是J(θ)的最大值（极大似然估计），我们可以选用之前实验使用的梯度下降法，但是该方法的迭代次数较多，所以本次实验中使用的是牛顿迭代法：
牛顿方法：
用Hessian矩阵表示：
5. 在编程序前，要分析下各个计算公式中变量的维度（矩阵行列数）。实验中应定义 θ为0向量，迭代次数通常在5-15次，决策边界定义为：
即
6. 回答下面问题：
（1） θ值为多少？我们需要迭代几次？
（2） Exam1为20分，exam2为80分的同学会被录取吗？
2021-09-29 15:26:11
870B
1
该模型使用基于磁共振成像 (MRI) 的 ResNet-18 模型检测阿尔茨海默病 (AD)。 在该模型中，我们提出了一种在 3D CNN 中利用迁移学习的方法，该方法允许将知识从 2D 图像数据集 (ImageNet) 迁移到 3D 图像数据集。 为了构建 3D ResNet-18，2D ResNet-18 的 2D 过滤器在第三维中扩展为具有 3D 过滤器。 其余层根据新过滤器进行了调整。 然后，将整个 MRI 用于训练 3D ResNet-18，以对每个人做出一个决定。
我们的结果表明，将转移学习引入3D CNN可以提高AD检测系统的准确性。 这种方法在我们的 ADNI 数据集上实现了 96.88% 的准确度、100% 的灵敏度和 93.75% 的特异性。
此文件夹中目前有一些示例图像。 要访问更多图像，您需要将您的应用程序发送到 ADNI ( http://adni.loni
2021-09-17 12:35:57
118MB
1
基于统编教材的课堂深度学习研究——如何在语文课堂上推进深层学习的方法若干.pdf
2021-08-31 18:03:26
1.9MB
业分类-物理装置-一种通用物体实时学习、识别系统及其学习、识别方法.zip
2021-08-10 09:02:12
617KB
行业分类-物理装置-一种儿童学习监控方法、智能家居控制器及存储介质.zip
2021-08-06 13:05:11
753KB
机器学习白皮书系列之三-深度学习方法介绍和金融领域应用实例，介绍了深度学习的常见算法，DNN，CNN，RNN和在金融领域里的实际应用
2021-07-06 14:28:31
4.31MB
1