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/332284/12764929

m widrow_hoff.m

% ===================MSE梯度下降算法(Widrow-Hoff)==================== % X: 训练样本 % x: 待判样本 % N: 每类样本数 % Y: 规范化增广样本向量 % W: 权向量 % 对应课本Page104 % ======================================================
www.eeworm.com/read/332284/12764935

m singleperceptron.m

% =============感知准则单样本修正算法(SinglePerceptron)================ % X: 训练样本 % x: 待判样本 % N: 每类样本数 % Y: 规范化增广样本向量 % W: 权向量 % Ye: 错分样本集合 % 对应课本Page94 % ============================================
www.eeworm.com/read/331479/12825724

m sample.m

%定义数据采集函数 function [X,Y,m,m1,m2,n]=sample(m1,m2,n) %x为生成特征个数为n的样本,其中一行为一个样本 %y为对应的分类标志 %m1为训练样本数 %m2为测试样本数 %m为生成的样本的个数 %n为生成的每个样本的特征 %f为样本生成结束标志 a0=-1; b0=1; X=[]; Y=[]; f=0; m=m1+
www.eeworm.com/read/143198/12889757

m exp2_16.m

%curve interpolation ys=[0 0.9 0.6 1 0 0.1 -0.3 -0.7 -0.9 -0.2]; %已有的样本点ys xs=0:length(ys)-1; %已有的样本点xs x=0:0.1:length(ys)-1;%新的样本点x y1=interp1(xs,ys,x,'nearest'); %插值产生新的样本点y1 y2=interp1(xs,ys,
www.eeworm.com/read/142361/12950136

m exp2_16.m

%curve interpolation ys=[0 0.9 0.6 1 0 0.1 -0.3 -0.7 -0.9 -0.2]; %已有的样本点ys xs=0:length(ys)-1; %已有的样本点xs x=0:0.1:length(ys)-1;%新的样本点x y1=interp1(xs,ys,x,'nearest'); %插值产生新的样本点y1 y2=interp1(xs,ys,
www.eeworm.com/read/329374/12957582

m exp2_16.m

%curve interpolation ys=[0 0.9 0.6 1 0 0.1 -0.3 -0.7 -0.9 -0.2]; %已有的样本点ys xs=0:length(ys)-1; %已有的样本点xs x=0:0.1:length(ys)-1;%新的样本点x y1=interp1(xs,ys,x,'nearest'); %插值产生新的样本点y1 y2=interp1(xs,ys,
www.eeworm.com/read/327492/13074852

m hc742.m

%《数字信号处理教程——MATLAB释义与实现》第七章例7.4.2程序hc742 % 频率样本法过渡带所取样本数的影响 % 电子工业出版社出版 陈怀琛编著 2004年9月 % N=65;N1=fix(N/6);N2=N-2*N1-1; A=[ones(1,N1+1),zeros(1,N2),ones(1,N1)]; % 符幅特性样本序列 A1=[ones(1,N1+1),0.5,ze
www.eeworm.com/read/327492/13075246

m gfft.m

function X=gfft(x,k) %《数字信号处理教程——MATLAB释义与实现》 % Goertzel算法子程序 % 电子工业出版社出版 陈怀琛编著 2004年9月 % % X=gfft(x,k) % ---------------------------------- % 用Goertzel算法计算序号为k的DFT样本 % x 输入序列,其长度即DFT长度 % k
www.eeworm.com/read/242170/13090350

m exp2_16.m

%curve interpolation ys=[0 0.9 0.6 1 0 0.1 -0.3 -0.7 -0.9 -0.2]; %已有的样本点ys xs=0:length(ys)-1; %已有的样本点xs x=0:0.1:length(ys)-1;%新的样本点x y1=interp1(xs,ys,x,'nearest'); %插值产生新的样本点y1 y2=interp1(xs,ys,
www.eeworm.com/read/242107/13094772

h backpropagation.h

/* * Copyright (c) 2006 * All rights reserved. * * 文件名称:BackPropagation.h * 文件标识: * 摘 要 :多层前馈神经网络BP算法类声明 * * 当前版本:1.0 * 作 者 : * 完成日期: */ #pragma once #define MINDOUBLE 0.00000001