没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
Relevance Vector Machine(相关向量机)即RVM, 引入了贝叶斯方法,提供后验概率的输出,并且常常能产生更稀疏的解(在测试集上预测时速度更快)。SVM常常需要用交叉验证的方法确定模型复杂度参数C,而对于RVM来说,引入贝叶斯方法的另一个好处就是,省去了模型选择这一步。但RVM由于求矩阵的逆的运算,常常需要更多的训练时间。
资源推荐
资源详情
资源评论
收起资源包目录
RVM 1.3 for MATLAB.zip (36个子文件)
RVM-MATLAB-V1.3
KernnelMatrix
KernelLinear.m 836B
KernelPolynomial.m 1KB
KernelLaplacian.m 1KB
KernelBase.m 2KB
KernelExponential.m 1KB
KernelGaussian.m 993B
Kernel.m 929B
KernelSigmoid.m 1KB
KernelFunction.m 1KB
func
rvm_test.m 2KB
plotResult.m 1KB
rvm_train.m 4KB
computePretIndex.m 895B
plotRelevanceVector.m 978B
generateData.m 905B
SB2_Release_200
SB2_Initialisation.m 7KB
SB2_PreProcessBasis.m 2KB
SB2_Diagnostic.m 4KB
SparseBayes.m 25KB
Readme.txt 3KB
SB2_FormatTime.m 2KB
SB2_ParameterSettings.m 3KB
SB2_Sigmoid.m 1KB
licence.txt 15KB
SB2_PosteriorMode.m 6KB
SB2_Likelihoods.m 2KB
SB2_UserOptions.m 6KB
SB2_ControlSettings.m 4KB
SparseBayesDemo.m 10KB
SB2_Manual.pdf 130KB
SB2_FullStatistics.m 6KB
demo_RVM.m 546B
demo_KernelMatrix.m 1KB
说明.txt 38B
refs
Tipping_2001_Sparse Bayesian learning and the relevance vector machine.pdf 936KB
Tipping_Faul_2003_Fast marginal likelihood maximisation for sparse Bayesian models.pdf 223KB
共 36 条
- 1
资源评论
薛桂琴
- 粉丝: 3w+
- 资源: 19
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 用Python编程实现控制台爱心形状绘制技术教程
- 这是 YOLOv4 的 pytorch 存储库,可以使用自定义数据集进行训练 .zip
- 这是 HIC-Yolov5 的存储库.zip
- 这只是另一个 YOLO V2 实现 在 jupyter 笔记本中训练您自己的数据集!.zip
- PicGo 是一个用于快速上传图片并获取图片 URL 链接的工具
- uniapp vue3 自定义下拉刷新组件pullRefresh,带释放刷新状态、更新时间、加载动画
- WINDOWS 2003邮箱服务器搭建
- 距离-IoU 损失更快、更好的边界框回归学习 (AAAI 2020).zip
- 该项目是运行在RK3588平台上的Yolo多线程推理demo,已适配读取视频文件和摄像头信号,demo采用Yolov8n模型进行文件推理,最高推理帧率可达100帧,秒 .zip
- 该项目使用 YOLOv8 通过用户友好的界面执行医学图像的分类、检测和分割等任务 .zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功