训练原理

神经网络训练原理与应用

神经网络训练原理- 终止条件：获得使训练集中样本分类正确的权重值。- 训练步骤：- 随机初始化权重。- 输入样本，计算输入值线性总和。- 通过激励函数计算输出值。- 计算误差，修正权重和阈值。

数据挖掘 5 2024-05-01

训练包

训练包，包含有用的训练资料。

算法与数据结构 3 2024-04-30

训练流程

利用卡方检验，再次筛选特征词，降低维度至 1000 维。 采用 K 折交叉验证评估分类器性能。StratifiedKFold 用于将数据集分成 n_folds 份，分别进行验证和训练，并计算平均分类准确率作为性能指标。

算法与数据结构 2 2024-05-15

PyTorch FSRCNN 训练测试代码和预训练权重

PyTorch 平台上的深度学习模型，用于图像超分辨率：FSRCNN 包含网络模型、训练代码、测试代码、评估代码和预训练权重 评估代码可计算 RGB 和 YCrCb 空间下的 PSNR 和 SSIM

算法与数据结构 5 2024-05-26

FastText训练集

提供适用于FastText文本分类训练的高质量数据集。

算法与数据结构 4 2024-05-13

Oracle基础训练

Oracle基础训练，涵盖最基础的要点，掌握后即可入门。

Oracle 0 2024-09-29

级联训练器指定真实标签，训练检测器

级联训练器是一个交互式应用程序，管理图像列表中矩形ROI的选择和定位，用于设定训练算法的基础标签，并创建全新的级联分类器。该工具支持添加、删除、旋转、排序图像，以及粘贴ROI到一系列图像中的新功能。用户可以通过键盘快捷键简化操作，方便训练检测器和多ROI的选择与管理。

Matlab 1 2024-07-28

支持向量神经网络（SVNN）基于SVM原理的MLP神经网络训练新方法

这段代码介绍了一种名为支持向量神经网络（SVNN）的新型MLP神经网络训练方法，与传统的SVM相似。它由O. Ludwig在其博士论文中提出，重点是快速模式识别的非参数方法，毕业于科英布拉大学。输入参数包括一个N x L矩阵，代表L个N元素的输入向量，以及一个目标类别的行向量y，其元素为-1或1。该算法类似于SVM，具有惩罚参数C可在代码中设置。SVNN输出MLP模拟器“sim_NN.m”的参数W1、W2、b1、b2，需要测试数据矩阵和目标向量（如果目标不可用，则提供空向量）。代码优化用于四核处理器，适合在多核系统中运行。

Matlab 0 2024-09-28

ORACLE培训练习优化

在当时的培训过程中，老师每天为我们安排了一些练习，效果非常显著。

Oracle 0 2024-08-05

ORACLE技能训练课程

提供详尽的ORACLE技能培训，涵盖多方面内容。

Oracle 0 2024-09-28