亚洲欧美第一页_禁久久精品乱码_粉嫩av一区二区三区免费野_久草精品视频

蟲蟲首頁(yè)| 資源下載| 資源專輯| 精品軟件
登錄| 注冊(cè)

train

  • 員工培訓(xùn)系統(tǒng) 首先確認(rèn)您的機(jī)器上已經(jīng)安裝了VC6.0以上版本

    員工培訓(xùn)系統(tǒng) 首先確認(rèn)您的機(jī)器上已經(jīng)安裝了VC6.0以上版本,要編譯生成可執(zhí)行文件,需打開后綴名為dsw的文件,系統(tǒng)會(huì)默認(rèn)用VC打開,然后選擇Build菜單下的Set Active Configuration選項(xiàng),選擇Project Configuration為Win32 Release,然后編譯項(xiàng)目,得到可執(zhí)行文件。連接數(shù)據(jù)庫(kù)請(qǐng)參照第2章的方法,在ODBC數(shù)據(jù)源內(nèi)添加Microsoft Access數(shù)據(jù)庫(kù)train.mdb,并將數(shù)據(jù)源名設(shè)定為train即可實(shí)現(xiàn)數(shù)據(jù)庫(kù)和應(yīng)用程序的正常連接,程序才能正常實(shí)現(xiàn)數(shù)據(jù)庫(kù)的訪問。另外,如果用戶自己編寫了.chm的幫助文檔只要和可執(zhí)行文件放在同一個(gè)目錄下就可以了。 用戶要修改程序源碼可以選擇相應(yīng)的.h和.cpp文件,本實(shí)例使用的命名規(guī)則基本是:DIALOG_***** 為管理對(duì)話框資源, *****Info為數(shù)據(jù)輸入窗口資源, *****Set為結(jié)果集對(duì)應(yīng)的類

    標(biāo)簽: 6.0 VC 機(jī)器

    上傳時(shí)間: 2014-01-03

    上傳用戶:luopoguixiong

  • In this demo, I use the EM algorithm with a Rauch-Tung-Striebel smoother and an M step, which I ve r

    In this demo, I use the EM algorithm with a Rauch-Tung-Striebel smoother and an M step, which I ve recently derived, to train a two-layer perceptron, so as to classify medical data (kindly provided by Steve Roberts and Will Penny from EE, Imperial College). The data and simulations are described in: Nando de Freitas, Mahesan Niranjan and Andrew Gee Nonlinear State Space Estimation with Neural Networks and the EM algorithm After downloading the file, type "tar -xf EMdemo.tar" to uncompress it. This creates the directory EMdemo containing the required m files. Go to this directory, load matlab5 and type "EMtremor". The figures will then show you the simulation results, including ROC curves, likelihood plots, decision boundaries with error bars, etc. WARNING: Do make sure that you monitor the log-likelihood and check that it is increasing. Due to numerical errors, it might show glitches for some data sets.

    標(biāo)簽: Rauch-Tung-Striebel algorithm smoother which

    上傳時(shí)間: 2016-04-15

    上傳用戶:zhenyushaw

  • JaNet: Java Neural Network Toolkit resume: A well documented toolkit for designing and training, a

    JaNet: Java Neural Network Toolkit resume: A well documented toolkit for designing and training, and a java library for inclusion in third party programs. description: jaNet package is a java neural network toolkit, which you can use to design, test, train and optimize an ideal Neural Network for your private application. You can then include your saved network in your program using the jaNet.backprop package. The consequent documentation is only in french for the moment, but an english translation is planned. The java source code is released under GPL, and can be compiled with JDK, Symantec Cafe or MS Visual J

    標(biāo)簽: documented designing training Network

    上傳時(shí)間: 2016-04-15

    上傳用戶:zhanditian

  • 神經(jīng)網(wǎng)絡(luò)的基本介紹

    神經(jīng)網(wǎng)絡(luò)的基本介紹,包括了由工具箱指定的有關(guān)網(wǎng)絡(luò)結(jié)構(gòu)和符號(hào)的基本材料以及建立神經(jīng)網(wǎng)絡(luò)的一些基本函數(shù),例如new、init、adapt和train。以反向傳播網(wǎng)絡(luò)為例講解了反向傳播網(wǎng)絡(luò)的原理和應(yīng)用的基本過程。

    標(biāo)簽: 神經(jīng)網(wǎng)絡(luò)

    上傳時(shí)間: 2013-12-16

    上傳用戶:奇奇奔奔

  • 這是讀好的ORL 和YALE人臉庫(kù)數(shù)據(jù)

    這是讀好的ORL 和YALE人臉庫(kù)數(shù)據(jù), 用LODA加載后, 變量train 代表是訓(xùn)練樣本, test 代碼是測(cè)試樣本。

    標(biāo)簽: YALE ORL 人臉 數(shù)據(jù)

    上傳時(shí)間: 2014-01-04

    上傳用戶:zhangyigenius

  • Face Recognition Library ======================== Advanced face recognition DLL using two functi

    Face Recognition Library ======================== Advanced face recognition DLL using two functions : train and Recognize. Uses neural net back propogation alogorithm with more AI tools added for imaging optimization. Library works great even for a low resolution web cam image and requires the user to align to a mirror frame on screen. Complete Source Code with Video capture and feature extraction kit for Registered Users. Please register here for only $299 with Source Code : http://www.research-lab.com/facerecognitionorder.htm (c) www.research-lab.com

    標(biāo)簽: Recognition recognition Advanced Library

    上傳時(shí)間: 2017-04-25

    上傳用戶:784533221

  • matlab神經(jīng)網(wǎng)絡(luò)工具箱的實(shí)用指南

    matlab神經(jīng)網(wǎng)絡(luò)工具箱的實(shí)用指南,第一章是神經(jīng)網(wǎng)絡(luò)的基本介紹,第二章包括了由工具箱指定的有關(guān)網(wǎng)絡(luò)結(jié)構(gòu)和符號(hào)的基本材料以及建立神經(jīng)網(wǎng)絡(luò)的一些基本函數(shù),例如new、init、adapt和train。第三章以反向傳播網(wǎng)絡(luò)為例講解了反向傳播網(wǎng)絡(luò)的原理和應(yīng)用的基本過程。

    標(biāo)簽: matlab 神經(jīng)網(wǎng)絡(luò) 工具箱

    上傳時(shí)間: 2017-05-07

    上傳用戶:zhyiroy

  • 人工神經(jīng)網(wǎng)絡(luò)分類實(shí)現(xiàn)

    人工神經(jīng)網(wǎng)絡(luò)分類實(shí)現(xiàn),在vs2005下實(shí)現(xiàn),訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)有train.txt和test.txt讀入

    標(biāo)簽: 人工神經(jīng)網(wǎng)絡(luò) 分類

    上傳時(shí)間: 2017-05-21

    上傳用戶:洛木卓

  • svmtrain

    svm中train方法,適用于做svm分類的用戶直接調(diào)用

    標(biāo)簽: svm

    上傳時(shí)間: 2015-05-05

    上傳用戶:saberxun

  • 2013遺傳算法工具箱

    % 生成訓(xùn)練樣本集 clear all; clc; P=[110 0.807 240 0.2 15 1 18 2 1.5; 110 2.865 240 0.1 15 2 12 1 2; 110 2.59 240 0.1 12 4 24 1 1.5; 220 0.6 240 0.3 12 3 18 2 1; 220 3 240 0.3 25 3 21 1 1.5; 110 1.562 240 0.3 15 3 18 1 1.5; 110 0.547 240 0.3 15 1 9 2 1.5]; 0 1.318 300 0.1 15 2 18 1 2]; T=[54248 162787 168380 314797; 28614 63958 69637 82898; 86002 402710 644415 328084; 230802 445102 362823 335913; 60257 127892 76753 73541; 34615 93532 80762 110049; 56783 172907 164548 144040]; @907 117437 120368 130179]; m=max(max(P)); n=max(max(T)); P=P'/m; T=T'/n; %-------------------------------------------------------------------------% pr(1:9,1)=0; %輸入矢量的取值范圍矩陣 pr(1:9,2)=1; bpnet=newff(pr,[12 4],{'logsig', 'logsig'}, 'traingdx', 'learngdm'); %建立BP神經(jīng)網(wǎng)絡(luò), 12個(gè)隱層神經(jīng)元,4個(gè)輸出神經(jīng)元 %tranferFcn屬性 'logsig' 隱層采用Sigmoid傳輸函數(shù) %tranferFcn屬性 'logsig' 輸出層采用Sigmoid傳輸函數(shù) %trainFcn屬性 'traingdx' 自適應(yīng)調(diào)整學(xué)習(xí)速率附加動(dòng)量因子梯度下降反向傳播算法訓(xùn)練函數(shù) %learn屬性 'learngdm' 附加動(dòng)量因子的梯度下降學(xué)習(xí)函數(shù)  net.trainParam.epochs=1000;%允許最大訓(xùn)練步數(shù)2000步 net.trainParam.goal=0.001; %訓(xùn)練目標(biāo)最小誤差0.001 net.trainParam.show=10; %每間隔100步顯示一次訓(xùn)練結(jié)果 net.trainParam.lr=0.05; %學(xué)習(xí)速率0.05 bpnet=train(bpnet,P,T); %------------------------------------------------------------------------- p=[110 1.318 300 0.1 15 2 18 1 2]; p=p'/m; r=sim(bpnet,p); R=r'*n; display(R);

    標(biāo)簽: 2013 算法 工具箱

    上傳時(shí)間: 2016-05-28

    上傳用戶:shanqiu

亚洲欧美第一页_禁久久精品乱码_粉嫩av一区二区三区免费野_久草精品视频
欧美一区在线看| 午夜精品久久久久久久99水蜜桃 | 亚洲欧美日韩系列| 亚洲精品视频免费观看| 在线国产精品播放| 国产资源精品在线观看| 欧美成人午夜激情视频| 亚洲欧美日韩综合aⅴ视频| 亚洲欧洲精品一区二区三区| 亚洲国产精品v| 亚洲国产高清一区二区三区| 国产精品夜夜夜| 欧美性猛交一区二区三区精品| 欧美日本不卡视频| 欧美日韩在线看| 美女久久一区| 久久在线91| 欧美一区三区三区高中清蜜桃| 欧美日韩免费看| 国产精品观看| 久久久夜精品| 国产精品扒开腿做爽爽爽软件| 先锋影院在线亚洲| 国产在线观看精品一区二区三区| 久久精彩免费视频| 亚洲欧洲在线一区| 国产在线国偷精品产拍免费yy| 欧美自拍丝袜亚洲| 亚洲一区成人| 亚洲国产精品小视频| 好看的日韩av电影| 欧美精品久久久久久久久久| 亚洲天堂成人| 亚洲国产小视频| 国产精品久久久久影院色老大| 久久亚洲国产精品日日av夜夜| 亚洲黄色片网站| 国产日韩一区欧美| 国产精品久久毛片a| 久久人人精品| 欧美va日韩va| 鲁鲁狠狠狠7777一区二区| 久久国产精品99精品国产| 免费日韩av片| 久久激情婷婷| 免费在线日韩av| 快she精品国产999| 麻豆精品一区二区av白丝在线| 久久久国产一区二区| 鲁大师影院一区二区三区| 欧美大胆成人| 欧美日韩一区二区在线播放| 欧美激情综合网| 国产精品久久久久久久久久妞妞| 欧美日韩亚洲免费| 国产一区视频网站| 国产在线乱码一区二区三区| 黄色成人av网| 亚洲国产一二三| 艳女tv在线观看国产一区| 亚洲裸体视频| 亚洲一区在线播放| 久久久综合网站| 亚洲一品av免费观看| av不卡在线| 亚洲男女毛片无遮挡| 欧美在线观看视频在线| 麻豆精品在线播放| 欧美三日本三级少妇三2023| 国产精品久久久久久久app| 国产乱子伦一区二区三区国色天香 | 日韩视频不卡中文| 欧美一区二区视频在线观看| 国产精品美女久久久浪潮软件| 亚洲精品视频在线观看网站 | 一区二区在线视频播放| 香蕉久久夜色| 国产一区二区高清不卡| 国产精品扒开腿爽爽爽视频| 欧美一区观看| 欧美日韩国产综合一区二区| 国产一区视频观看| 亚洲伊人色欲综合网| 久久久综合精品| 国产精品亚洲а∨天堂免在线| 国产精品网红福利| 一区二区黄色| 欧美日韩综合精品| 日韩视频中文字幕| 嫩草伊人久久精品少妇av杨幂| 国产精品红桃| 99re视频这里只有精品| 麻豆av一区二区三区久久| 国产精品婷婷| 亚欧成人在线| 午夜精品福利一区二区三区av| 久久美女性网| 一区二区三区在线视频观看| 久久国产精品久久久| 国产真实久久| 欧美久久一级| 韩国三级在线一区| 亚洲影院污污.| 午夜久久影院| 久久亚洲国产成人| 久久婷婷人人澡人人喊人人爽| 亚洲免费观看视频| 亚洲精品社区| 亚洲性线免费观看视频成熟| 99在线精品视频| 亚洲日本欧美| 欧美影片第一页| 久久综合九色综合欧美狠狠| 欧美精品乱人伦久久久久久| 黄色日韩精品| 在线视频成人| 老色鬼久久亚洲一区二区| 亚洲精品免费看| 国产亚洲欧洲997久久综合| 久久av在线看| 亚洲作爱视频| 黄色欧美成人| 欧美午夜不卡影院在线观看完整版免费| 亚洲一区久久| 亚洲日本中文字幕免费在线不卡| 欧美日韩一区在线观看视频| 亚洲第一二三四五区| 国产精品午夜久久| 欧美日韩一级片在线观看| 欧美一二区视频| 亚洲乱码国产乱码精品精| 国产资源精品在线观看| 国产精品久久久久三级| 久久夜色精品国产噜噜av| 欧美亚洲一区二区在线观看| 亚洲激情视频| 亚洲精品影院| 亚洲精品国偷自产在线99热| 红桃av永久久久| 亚洲欧美中文字幕| 亚洲欧美激情一区| 国产在线国偷精品产拍免费yy| 国产精品麻豆成人av电影艾秋| 欧美日韩免费在线| 国产精品成人va在线观看| 欧美体内she精视频| 欧美视频在线观看视频极品| 欧美日韩免费观看一区=区三区| 欧美高清影院| 欧美—级在线免费片| 欧美日韩国产不卡| 欧美视频不卡| 国产视频亚洲精品| 精品91久久久久| 亚洲精品欧美专区| 亚洲性视频h| 久久精精品视频| 欧美电影在线观看| 国产精品国产成人国产三级| 国产精品videossex久久发布| 国产精品视频最多的网站| 国产一区视频网站| 日韩视频永久免费| 性欧美大战久久久久久久免费观看| 欧美专区在线播放| 欧美日韩亚洲一区二区三区在线观看| 国产精品久久二区| 亚洲激情在线观看| 午夜在线视频观看日韩17c| 久久在线视频在线| 国产精品入口夜色视频大尺度| 欧美精品久久久久久久久久| 国产精品美女久久久浪潮软件 | 亚洲缚视频在线观看| 亚洲淫性视频| 欧美专区亚洲专区| 性欧美8khd高清极品| 免费成人av在线看| 一本色道88久久加勒比精品| 久久国产乱子精品免费女 | 亚洲经典在线| 久久中文字幕导航| 在线不卡中文字幕| 国产精品www| 久久久久久久久久久一区| 亚洲精品免费在线| 免费欧美网站| 欧美一区二区三区四区视频| 亚洲国产精品久久久久婷婷884 | 欧美国产日韩一二三区| 亚洲国产视频一区二区| 欧美日韩另类视频| 久久超碰97人人做人人爱| 国内一区二区三区| 欧美va亚洲va日韩∨a综合色| 亚洲国产精品久久久久久女王| 欧美午夜一区二区| 欧美精品v日韩精品v国产精品| 欧美国产一区二区| 欧美精品一区在线观看|