代码搜索：小样本
找到约 10,000 项符合「小样本」的源代码
代码结果 10,000
www.eeworm.com/read/390419/8465996
c bp.c
#include "iostream.h"
#include "iomanip.h"
#define N 20 //学习样本个数
#define IN 1 //输入层神经元数目
#define HN 8 //隐层神经元数目
#define ON 1 //输出层神经元数目
double P[IN]; //单个样本输入数据
double T[ON]; //单个样本教师数据
double
www.eeworm.com/read/387939/8645472
c bp.c
#include "iostream.h"
#include "iomanip.h"
#define N 20 //学习样本个数
#define IN 1 //输入层神经元数目
#define HN 8 //隐层神经元数目
#define ON 1 //输出层神经元数目
double P[IN]; //单个样本输入数据
double T[ON]; //单个样本教师数据
double
www.eeworm.com/read/285828/8809007
m new3.m
%对1000个样本函数的100个时间点取平均（每个时间点为1000个点的均值）
sum=zeros(1,100);
for j=1:100
for i=1:1000
a=nnew;
end;
sum(j)=a(j)+sum(j);
end
www.eeworm.com/read/285828/8809010
m nnew3.m
%对1000个x(t)*x(t+tal)样本函数的100个时间点取平均（每个时间点为1000个点的均值），
sum=zeros(1,100);
for j=1:100
for i=1:100
a=nnew;
sum(j)=a(j)/100+sum(j);
end
end
www.eeworm.com/read/380168/9158749
txt classification.txt
//贝叶斯分类器所需函数的声明：2006/11/13
#ifndef _BAYES_H
#define _BAYES_H
#include"matrix.h"
//正态分布的监督参数估计：最大似然估计
//此函数用于求样本的均值向量U
//参数 X 代表一类样本集，X 是一个 n x d 的矩阵
//代表 n 个 特征空间维数为 d 的样本
//每行代表一个样本
Matrix g
www.eeworm.com/read/163751/10147400
m meanclass.m
function [XMean,XMeanClass]= MeanClass(X,XClass)
% 输入样本按列堆积的矩阵X，以及每一列的所属的类别向量XClass
% 计算每一类的均值XMean以及XMean(:,i)的类别XMeanClass(i)。
XCount = size(X,2); % 样本数
% 初始化
ClassCount = 1; % 类别数
XMean
www.eeworm.com/read/162990/10253664
txt c++的bp算法源程序.txt
C++的BP算法源程序
#include "iostream.h"
#include "iomanip.h"
#define N 20 //学习样本个数
#define IN 1 //输入层神经元数目
www.eeworm.com/read/424367/10457087
m assort.m
function [a1,a2,n1,n2]=assort(x1,x2,n);
%函数assort即实现将样本x1按分解聚类法分成a1,a2两类
%x1为待分类的样本矩阵,x2类型2的样本矩阵
%n为x1,x2中的样本总数
%returns:
%a1,a2为分类后类型1，类型2的样本矩阵
%n1,n2分别为类型1，类型2的样本数目
a1=x1;
a2=x2;
[n1,nc1]
www.eeworm.com/read/272731/10946302
txt c++的bp算法源程序.txt
C++的BP算法源程序
#include "iostream.h"
#include "iomanip.h"
#define N 20 //学习样本个数
#define IN 1 //输入层神经元数目
#define HN 8 //隐层神经元数目
#define ON 1 //输出层神经元数目
double P[IN]; //单个样本输入数据
double T[ON]; //单个样
www.eeworm.com/read/438043/7737401
c bp.c
#include "iostream.h"
#include "iomanip.h"
#define N 20 //学习样本个数
#define IN 1 //输入层神经元数目
#define HN 8 //隐层神经元数目
#define ON 1 //输出层神经元数目
double P[IN]; //单个样本输入数据
double T[ON]; //单个样本教师数据
double