搜索结果
找到约 43 项符合
train 的查询结果
按分类筛选
其他数据库 员工培训系统 首先确认您的机器上已经安装了VC6.0以上版本
员工培训系统
首先确认您的机器上已经安装了VC6.0以上版本，要编译生成可执行文件，需打开后缀名为dsw的文件，系统会默认用VC打开，然后选择Build菜单下的Set Active Configuration选项，选择Project Configuration为Win32 Release，然后编译项目，得到可执行文件。连接数据库请参照第2章的方法，在ODBC数据源内添加Microso ...
matlab例程 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: ...
Java编程 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 ...
人工智能/神经网络 神经网络的基本介绍
神经网络的基本介绍，包括了由工具箱指定的有关网络结构和符号的基本材料以及建立神经网络的一些基本函数，例如new、init、adapt和train。以反向传播网络为例讲解了反向传播网络的原理和应用的基本过程。
其他 这是读好的ORL 和YALE人脸库数据
这是读好的ORL 和YALE人脸库数据， 用LODA加载后， 变量train 代表是训练样本， test 代码是测试样本。
其他 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 ...
matlab例程 matlab神经网络工具箱的实用指南
matlab神经网络工具箱的实用指南，第一章是神经网络的基本介绍，第二章包括了由工具箱指定的有关网络结构和符号的基本材料以及建立神经网络的一些基本函数，例如new、init、adapt和train。第三章以反向传播网络为例讲解了反向传播网络的原理和应用的基本过程。 ...
人工智能/神经网络 人工神经网络分类实现
人工神经网络分类实现，在vs2005下实现，训练数据和测试数据有train.txt和test.txt读入
其他 2013遗传算法工具箱
% 生成训练样本集
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 ...