SVM支持向量机是建立于统计学习理论上的一种分类算法，适合与处理具备高维特征的数据集。
SVM算法的数学原理相对比较复杂，好在由于SVM算法的研究与应用如此火爆，CSDN博客里也有大量的好文章对此进行分析，下面给出几个本人认为讲解的相当不错的：
支持向量机通俗导论（理解SVM的3层境界）
JULY大牛讲的是如此详细，由浅入深层层推进，以至于关于SVM的原理，我一个字都不想写了。。强烈推荐。
还有一个比较通俗的简单版本的：手把手教你实现SVM算法
SVN原理比较复杂，但是思想很简单，一句话概括，就是通过某种核函数，将数据在高维空间里寻找一个最优超平面，能够将两类数据分开。
针对不同数据集，不同
2022-05-20 19:08:13
214KB
1
3D 三维卷积神经网络CNN(MATLAB).zip
3D 三维卷积神经网络CNN(MATLAB).zip
2022-05-20 19:03:50
5KB
实体关系抽取旨在识别网络文本中的实体，并提取出文本中实体之间隐含的关系。研究表明，深度神经网络在实体关系抽取任务上具有可行性，并优于传统关系抽取方法。目前的关系抽取方法大都使用卷积神经网络（CNN）和长短期记忆神经网络（LSTM），然而CNN只考虑连续词之间的相关性而忽略了非连续词之间的相关性。另外，LSTM虽然考虑了长距离词的相关性，但提取特征不够充分。针对这些问题，提出了一种CNN和LSTM结合的实体关系抽取方法，采用3种结合方法进行了实验，验证了该方法的有效性，在F1值上有一定的提升。
2022-05-20 16:15:14
618KB
1
项目简介
用搭载Keras的tensorflow框架通过卷积神经网络训练模型，使用贝叶斯分类器识别人类的情绪。
根据情绪选择相应的emoji匹配 （更多详情请打开FaceEmotionClassifier.ipynb文件）
项目环境
数据集： Fer2013 ( kaggle挑战赛 ) ，Emoji表情集
神经网络框架： Keras,Tensorflow-gpu
分类器： 基于Opencv-Normal Bayes Classifier(正态贝叶斯分类)训练的贝叶斯分类器
配置环境： python==3.6.0 tensorflow-gpu==1.8.0 keras-gpu==2.1.6 opencv==3.3.1
其他环境详见：environment.yaml
2022-05-20 12:05:32
264.1MB
纯手写卷积神经网络，未使用任何神经网络框架，使用numpy纯手写卷积神经网络，研究此代码可充分搞懂卷积神经网络原理，本人也是通过此代码亲自走过来的。代码简单。
适用人群：适用于有意愿彻底搞懂卷积神经网络底层原理的同学，适合做该领域研究的学者，较易上手。
阅读建议：对于想学习python的同学，可通过此小项目一边研习python代码语法，一边学习卷积神经网络算法，可以很快入门python,并掌握基础的卷积神经网络算法。
2022-05-19 19:08:29
249KB