Softmax Regression
斯坦福深度学习教程中关于softmax regression的练习代码,源代码中需要补全的地方,全部把代码补完整,把手写体识别的数据库放到路径下,可以直接运行
斯坦福深度学习教程中关于softmax regression的练习代码,源代码中需要补全的地方,全部把代码补完整,把手写体识别的数据库放到路径下,可以直接运行
普通话水平测试考前辅导包,18片语音作品辅读+原文word,命题说话题目,普通话水平测试培训,儿化音词语表,轻声词语表等等
这个Matlab工具箱实现32种维数降低技术。这些技术都可以通过COMPUTE_MAPPING函数或trhough GUI。有以下技术可用: - 主成分分析('PCA') - 线性判别分析('LDA') - 多维缩放('MDS') - 概率PCA('ProbPCA') - 因素分析('因子分析') - Sammon映射('Sammon') - Isomap('Isomap') - Landmark Isomap('LandmarkIsomap') - 局部线性嵌入('LLE') - 拉普拉斯特征图('Laplacian') - Hessian LLE('HessianLLE') - 局部切线空间对准('LTSA') - 扩散图('DiffusionMaps') - 内核PCA('KernelPCA') - 广义判别分析('KernelLDA') - 随机邻居嵌入('SNE') - 对称随机邻接嵌入('SymSNE') - t分布随机邻居嵌入('tSNE') - 邻域保留嵌入('NPE') - 线性保持投影('LPP') - 随机接近嵌入('SPE') - 线性局部切线空间对准('LLTSA') - 保形本征映射('CCA',实现为LLE的扩展) - 最大方差展开('MVU',实现为LLE的扩展) - 地标最大差异展开('地标MVU') - 快速最大差异展开('FastMVU') - 本地线性协调('LLC') - 歧管图表('ManifoldChart') - 协调因子分析('CFA') - 高斯过程潜变量模型('GPLVM') - 使用堆栈RBM预训练的自动编码器('AutoEncoderRBM') - 使用进化优化的自动编码器('AutoEncoderEA') 此外,工具箱包含6种内在维度估计技术。这些技术可通过INTRINSIC_DIM函数获得。有以下技术可用: - 基于特征值的估计('EigValue') - 最大似然估计器('MLE') - 基于相关维度的估计器('CorrDim') - 基于最近邻域评估的估计器('NearNb') - 基于包装数量('PackingNumbers')的估算器 - 基于测地最小生成树('GMST')的估计器 除了这些技术,工具箱包含用于预白化数据(函数PREWHITEN),精确和估计样本外扩展(函数OUT_OF_SAMPLE和OUT_OF_SAMPLE_EST)的函数以及生成玩具数据集(函数GENERATE_DATA)的函数。 工具箱的图形用户界面可通过DRGUI功能访问