matlab精度检验代码ANN MNIST分类器(从头开始) 用于人工神经网络分类的MATLAB代码。 该ANN只能有一个隐藏层。 该网络是从头开始编码的,这意味着它不使用MATLAB Deep Learning Toolbox之类的东西。 我这样做是因为我想了解ANN背后的所有数学原理。 另外,从头开始编写所有代码使我能够进行细微的更改,这些更改在使用框架时可能会很困难。 对这个项目的提交很少,因为我决定在完成后将其添加到GitHub。 运行代码 只需按下运行按钮(f5),即可运行网络。 我建议使用ctrl + enter逐节运行它,因为您可能不希望它每次都作图。 另一个原因是存在pooling.m替换了主代码的DATA INITIALIZATION部分。 如果要最大程度地合并输入数据,请运行pooling.m,然后逐节运行主代码(ANN_mnist.m),跳过第一节。 代码流 首先,代码从两个csv文件读取数据。 一种用于训练数据。 一种用于测试数据。 然后制作目标矩阵,并对输入数据进行归一化并以零为中心。 接下来,创建权重矩阵,并初始化网络的许多超参数。 最终,使用随机后裔来训练
2021-12-22 11:33:45 11.15MB 系统开源
1
IMDB_Sentiment_Analysis 鉴于大量的在线评论数据(Amazon,IMDB等),情绪分析变得越来越重要。 在这个项目中,建立了一个情感分类器,用于评估一段文字的极性是正还是负。 情感分析是在Keras随附的IMDB数据集上完成的。 它由25,000个训练样本(其中20%是验证样本)和25,000个测试样本组成。 数据集中的所有单词均已预先标记。 使用自训练的单词嵌入(Keras嵌入层)。 我训练了不同的模型,其中一个模型包含一个LSTM层。 它在10个时元上的准确度为84%。 第二个示例由两组Conv1D和MaxPooling1D图层组成,后面是标准GRU图层。 观察到85%的准确性。 我已经将CuDNN层用于LSTM和GRU,因为它们在GPU上的速度比标准LSTM和GRU层快得多。 所有实现都是使用Keras进行的。 另一个具有RMS Prop精度的示例为84%,而
2021-12-21 16:05:55 95KB JupyterNotebook
1
分类-cifar10-pytorch 我正在PyTorch的cifar10数据集上测试几种经典分类网络的性能! 要求 火炬 火炬摘要 python3.x 结果 模型 我的帐户 总参数 估计总大小(MB) 可训练的参数 参数大小(MB) 保存的模型大小(MB) GPU内存使用率(MB) 92.64% 2,296,922 36.14 2,296,922 8.76 8.96 3107 94.27% 14,728,266 62.77 14,728,266 56.18 59.0 1229 94.70% 11,171,146 53.38 11,171,146 42.61 44.7 1665年 95.09% 9,128,778 99.84 9,128,778 34.82 36.7 5779 95.22% 23,520,842 155.
2021-12-21 10:50:00 105KB Python
1
可以集中管理多台腾达无线AP,而无需登陆AP后台页面。 可能由于腾达使用AP芯片的不同,会有部分型号设备无法管理
2021-12-19 15:15:33 5.96MB 腾达 无线AP 集中管理 软件
1
1. Kettle循环获取结果集并传入转换里面 是Kettle循环转换(t1.ktr)中的结果集,放到转换2(var.ktr)中,输出到本地txt文件中 1.1 job j1.kjb JavaScript var prevRow=previous_result.getRows();//获取上一个传递的结果 if (prevRow == null &&(prevRow.size()=0)) { false; }else{ parent_job.setVariable(tables, prevRow);//ArrayList存储表名变量,以数组形式保存入table1,tabl
2021-12-19 11:09:08 130KB le tl ttl
1
应用有限元法对有限厚中心圆孔板的三堆应力集中进行了分析。分析发现。当板厚是孔半径的2.4倍时,出现最大应力集中。若此时采用总厚度与其相等的系列分层板来代替整板。将有效地降低三堆应力集中;对于厚板,最大应力集中总是出现在离自由表面1.2倍孔半径的位置。分析得到最大三堆应力集中系数与相应平面解之间的近似关系;在缺口系数的基础上。研究了三堆应力集中对疲劳强度的影响,并给出一个三维应力集中对疲劳强度的影响系数。
2021-12-16 14:50:30 275KB 工程技术 论文
1
2021 Vue面试中,经常会被问到的Vue高频面试题集中整理.pdf
2021-12-15 13:01:32 1.76MB vue面试题 前端面试题
威视天下-CMS视频集中管理软件使用说明书
2021-12-14 15:04:57 4.6MB CMS 视频监控 说明书 威视天下
1
DataVisualizerHack 我在#HackIllinois的骇客 动机-帮助用户在搜索时更好地理解评论。 简介-致力于分析yelp数据集中的评论,执行关键词提取,情感分析并生成词云,以更好地总结/可视化评论。 该系统的通用功能将使其可以与任何数据集一起使用。 脚步 - 您可以从下载数据集 设置并运行Elasticsearch。 处理数据集并为所需数据编制索引。 帮助程序脚本可以执行各种任务,例如-处理数据,从数据集中加载数据,关键字提取和情感分析,用于Elasticsearch批量处理的拆分数据,searchapi和flask服务器。 对于UI使用的引导程序 使用的外部API 用于高级文本分析的Alchemy API。 用户界面的引导程序。 烧瓶以RESTful方式服务请求。 ElasticSearch用于索引和搜索。 NLTK用于语言建模 输出为词云形式
2021-12-13 00:40:12 220KB Python
1
推荐系统:用于在Yelp数据集中预测用户评分的推荐系统(1M条记录)
2021-12-11 18:51:27 4KB Python
1