LTV350QV-F09 is a TMR(Transmissive with Micro Reflective) type color active matrix TFT (Thin Film Transistor) liquid crystal display (LCD) that uses amorphous silicon TFT as a switching devices. This model is composed of a TFT-LCD module, a driver circuit and a back-light unit and a touch screen panel(TSP). The resolution of a 3.5" contains 320RGBx240 dots and can display up to 16.7M colors.
標(biāo)簽： Transmissive Reflective active matrix
上傳時間： 2013-12-11
上傳用戶：大三三
非線性分類，SVM理論為基礎(chǔ)，調(diào)整參數(shù)改變分類（聚類的）邊界的松緊程度
上傳時間： 2014-01-03
上傳用戶：llandlu
libsvm的參數(shù)尋優(yōu)程序。針對SVR提供full gridsearch方式的參數(shù)尋優(yōu)，主要用于SVM回歸預(yù)測
標(biāo)簽： gridsearch libsvm full SVR
上傳時間： 2013-11-30
上傳用戶：1109003457
j2me設(shè)計的界面包，很漂亮實用。 light weight UI toolkit
標(biāo)簽： j2me
上傳時間： 2013-12-21
上傳用戶：kristycreasy
統(tǒng)計模式識別算法包，包括線性分類算法，SVM，PCA，LDA，EM，k-means分類等多種常用的模式識別算法。
上傳時間： 2016-11-06
上傳用戶：stella2015
libsvm中文說明書，關(guān)于流行的SVM軟件libsvm的詳細(xì)說明，有助于大家的閱讀理解。
上傳時間： 2013-12-10
上傳用戶：asddsd
第三章 MATLAB 圖形對象 3.1 圖形對象 3.1.1 Root 對象 3.1.2 Figure 對象 3.1.3 Uicontrol 對象 3.1.4 Uimenu 對象 3.1.5 Axes 對象 3.1.6 Image 對象 3.1.7 Line 對象 3.1.8 Patch 對象 3.1.9 Rectangle 對象 3.1.10 Surface 對象 3.1.11 Light 對象 3.1.12 Text 對象
標(biāo)簽： 對象 Uicontrol MATLAB Figure
上傳時間： 2013-12-22
上傳用戶：saharawalker
人工智能 智能問題的很重要一點就是學(xué)習(xí)問題。如果解決了學(xué)習(xí)，計算機將在很大程度上 具有人的智能。博奕問題是最典型的智能問題，如果評價函數(shù)能夠很好的學(xué)習(xí)， 并且是一種自學(xué)習(xí)，或許意味著學(xué)習(xí)問題的突破。當(dāng)然，模式識別中的分界面是 需要學(xué)習(xí)的，特征恐怕也是需要學(xué)習(xí)的。SVM是學(xué)習(xí)的有益探索，不過還需要更完 備的學(xué)習(xí)理論。 我們現(xiàn)有的數(shù)學(xué)知識能夠解決什么樣的問題。當(dāng)今的數(shù)學(xué)都是基于集合論的，然而 集合是不能自己產(chǎn)生新的東西的。因此發(fā)明到底是發(fā)明還是發(fā)現(xiàn)，或者說是集合外 還是集合內(nèi)？當(dāng)然這又和世界是確定的還是不確定的聯(lián)系起來了。如果世界本質(zhì)是 集合內(nèi)的，智能就是發(fā)現(xiàn)；反之，智能就是創(chuàng)造。誰能給出證明。 人們往往說計算機沒有情感。什么是情感？怎么用數(shù)學(xué)來描述情感？我想情感是和 美、丑聯(lián)系起來的，因此首先需要對美進行數(shù)學(xué)的描述，就象對信息進行描述一樣。 人們曾經(jīng)辯論過美是客觀的還是主觀的，我想大家比較公認(rèn)美有其客觀載體吧。這 都需要數(shù)學(xué)的描述。
標(biāo)簽： 人工智能
上傳時間： 2014-11-07
上傳用戶：youke111
基于稀疏網(wǎng)絡(luò)的精選機器學(xué)習(xí)模型，相比SVM有更快和更精確的學(xué)習(xí)效果。
標(biāo)簽： 稀疏 機器學(xué)習(xí) 模型 網(wǎng)絡(luò)
上傳時間： 2013-12-30
上傳用戶：cc1
These instances, whenmapped to an N-dimensional space, represent a core set that can be used to construct an approximation to theminimumenclosing ball. Solving the SVMlearning problem on these core sets can produce a good approximation solution in very fast speed. For example, the core-vector machine [81] thus produced can learn an SVM for millions of data in seconds.
標(biāo)簽： N-dimensional whenmapped instances represent
上傳時間： 2016-11-23
上傳用戶：lixinxiang
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
