深度学习，李宏毅学习周笔记，训练的基本步骤，学习线性模型以及Sigmoid函数，神经网络，python简单程序实践（B站 开开心心学python）

Sigmoid函数的分段非线性拟合法及其FPGA实现

线性函数的分类的一个缺点就是只能做线性分割，因为线性函数(y=kx+b)之间无论怎么做线性组合，最后得到的还是线性函数y=kx+b，这样就不能完成类似异或问题这样的非线性分割。 那么怎么做非线性分割呢，其实中学中我们已经学过了二次曲线，二次曲线之所以能画出一个封闭的曲线，就是因为它的非线性，一方面是因为它的导数不是常数，另外一个方面，它的单调性也不是唯一的，也就是有曲线的拐点，这样就可以让曲线拐弯，最后和起点汇合形成封闭曲线。 我们观察最基本的圆方程： x^2 + y^2=1 我们如果引入函数f(t)=t^2，稍微改写一下这个式子，就可以得到： f(x)+f(y)=1 在这里，我们选择的函数是

图像处理算法，增加图像的对比度。 该文件可以在这里找到： 您必须使用的函数是 BEASF.m，其他的都是辅助函数。 http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=6808563&url=http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=6808563 如果你觉得我的算法有用，请给它评分。 如果您发现问题，您可以给我发电子邮件或发表评论，以便我可以解决它。 如果您发现算法存在问题，请告诉我，以便我尝试修复它。 谢谢你。

基于改进的Sigmoid函数的变步长LMS算法

sigmoid函数matlab代码乳腺癌分类器（Logistic回归） 此代码可帮助您使用Logistic回归对恶性和良性肿瘤进行分类 Sourcerer 规范要求 示例代码在Matlab中（或更高版本可以使用）。 您可以安装Conda for python，它可以解析机器学习的所有依赖关系。 描述 Logistic回归是为方法核心使用的函数Logistic函数而命名的。 统计学家开发了逻辑函数，也称为S形函数，用于描述生态中人口增长的特性，该特性Swift增长并在环境的承载能力方面达到最大化。 这是一条S形曲线，可以采用任何实数值并将其映射为0到1之间的一个值，但永远不能精确地位于这些极限值处。 1 /（1 + e ^-值） 想要查询更多的信息， 一些注意事项 数据集-UCI-ML 我仅使用32个功能中的2个进行分类。 工作实例 执行 要运行代码，请输入run breast_cancer.m run breast_cancer.m Python实现 数据集-UCI-ML 我使用了30种功能进行分类 我使用的是1 =良性和2 =恶性，而不是0 =良性和1 =恶性 准确度〜92％ 执行

亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径, 文中对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析 ,提出了Sigmoid函数拟合的亚像素边缘定位算法.该算法采用 Sigmoid函数拟合边缘模型,利用图像边缘灰度信息对模型进行非线性最小二乘拟合 , 求得边缘的亚像素位置 .理论分析和实验结果表明 , 基于 Sigmoid函数拟合的亚像素边缘定位算法的定位精度为 0.045像素 ,但检测的速度比灰度矩提高了一个数量级 ,比空间矩 、Zernike矩和插值法提高了两个数量级 .此算法能较好地满足影像测量的稳定可靠 、高精度及强实时性要求。

% Sigmoid 使用 PARAMS 中的参数创建一个 Sigmoid 函数和% 变量范围。 % % V = SIGMOID（参数，范围） % % PARAMS：一个 3 向量，其条目是（按此顺序）： % 幅度值% ％ 阶段% 斜率

基于Sigmoid函数的软件漏洞风险评价算法 应急响应 业务风控 企业安全 安全人才 安全分析

基于Python的sigmoid函数FPGA实现.pdf