督学
共 29 篇文章
督学 相关的电子技术资料，包括技术文档、应用笔记、电路设计、代码示例等，共 29 篇文章，持续更新中。
同步发电机监督学习神经网络励磁控制器
·同步发电机监督学习神经网络励磁控制器
期刊论文：竞争监督学习法在集成型识别系统中的应用
·竞争监督学习法在集成型识别系统中的应用
基于无监督学习的盲信号源分离技术研究
<P>以独立分量分析为主要对象, 描述了盲信号源分离技术的基本模型，介绍了盲分离的主要方法和数学原理, 分析了盲信号源的可辨识性。提出基于神经网络无监督学习的盲分离方法，并改进了分离效果评判指标。在生
人脸识别的一种新的特征提取方法
·摘 要:针对人脸识别中判别特征的提取问题,本文提出了一种新的人脸识别算法—扩展保局投影（ELPP）。普通保局投影（LPP）在构建权图时侧重保持样本的局部结构,属于无监督学习算法。扩展保局投影在保局投影的基础上进行扩展,通过引入可调因子,在保持人脸图像局部流形结构的同时考虑样本的类别信息,从而充分提取样本的判别特征。本文采用最小近邻分类器估算识别率。在Yale人脸库以及AT＆T人脸库的测试结果表明
《机器学习实战》pdf电子书 296页
<p>《机器学习实战》是2013年由人民邮电出版社出版的书籍。</p><p>机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。</p><p>本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习
深度学习的数学，中文版，高清文字pdf
<p>学python必备，数学得搞好 ，嘿嘿嘿</p><p>本书的目的在于提供理解神经网络所需的数学基础知识。为了便于
读者直观地理解，书中使用大量图片，并通过具体示例来介绍。因
此，本书将数学的严谨性放在第二位。
深度学习的世界是丰富多彩的，本书主要考虑阶层型神经网络和卷
积神经网络在图像识别中的应用。
本书将 Sigmoid 函数作为激活函数，除此之外也可以考虑其他函
神经网络原理 作者SimonHaykin 译者叶世伟等
<p>本书包含四个组成部分：导论，监督学习，无监督学习，神经网络动力学模型。导论部 分介绍神经元模型、神经网络结构和机器学习的基本概念和理论。监督学习讨论感知机学习 规则，有监督的Hebb学习，Widrow-Hoff学习算法，反向传播算法及其变形，RBF网络，正则 化网络，支持向量机以及委员会机器。无监督学习包括主分量分析，自组织特征映射模型的 竞争学习形式，无监督学习的信息理论，植根于统计力学的
斯坦福大学-深度学习基础教程.pdf
<p>斯坦福大学-深度学习基础教程.pdf</p><p><br/></p><p>UFLDL教程
From Ufldl
说明：本教程将阐述无监督特征学习和深入学习的主要观点。通过学习，你也将实现多个功能
学习/深度学习算法，能看到它们为你工作，并学习如何应用/适应这些想法到新问题上。
本教程假定机器学习的基本知识（特别是熟悉的监督学习，逻辑回归，梯度下降的想法），如果
你不熟悉这些想法，我
机器学习算法 朱塞佩·博纳科尔索【意】
<p>介绍了数据科学领域常用的所有重要机器学习算法以及TensorFlow和特征工程等相关内容。涵盖的算法包括线性回归、逻辑回归、支持向量机、朴素贝叶斯、K均值、随机森林等，这些算法可以用于监督学习、非监督学习、强化学习或半监督学习。</p><p>本书在简明扼要地阐明基本原理的基础上，侧重于介绍如何在Python环境下使用机器学习方法库，并通过大量实例清晰形象的展示了不同场景下机器学习方法的应用。
统计学习方法 李航版
<p>
《统计学习方法》李航第二版，机器学习，人工智能必备基础书籍
</p>
<p>
内容简介：统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析
半监督学习论文
周志华Co-forest论文，是2007年发表的
机器学习实战
详细讲解监督学习和无监督学习中的各类算法，基于Python语言，含有各种实例编程，是难得的一本好书。
斯坦福大学机器学习课程原始讲义
本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括：<br />
（一）监督学习（参数/<br />
非参数算法，支持向量机，核函数，神经网络）。（二）无监督学习<br />
（聚类，降维，推荐系统，深入学习推荐）。（三）在机器学习的最佳实践（偏差/<br />
方差理<br />
论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何<br />
关于半监督学习的综述
关于半监督学习的综述，包括了所有主要方法，比如cotraining算法等等，可以对该领域有一个全面的认识
聚类分析是将集合中的数据按其相似性大小分成不同类别的一种方法,它是模式 识别中多变量无监督学习的一个分支,己成功地用于医学,地质,财务,工程,图像 处理和文档等的数据分类中；含有实现此算法的源码
聚类分析是将集合中的数据按其相似性大小分成不同类别的一种方法,它是模式
识别中多变量无监督学习的一个分支,己成功地用于医学,地质,财务,工程,图像
处理和文档等的数据分类中；含有实现此算法的源码
LVQ(学习矢量量化)算法：它是Kohonen的有监督学习的扩展形式
LVQ(学习矢量量化)算法：它是Kohonen的有监督学习的扩展形式，融合了自组织和有导师监督的技术。
竞争学习指同一神经元层次上各个神经元相互之间进行竞争
竞争学习指同一神经元层次上各个神经元相互之间进行竞争，竞争胜利的神经元修改与其相联的连接权值。竞争学习是一种无监督学习。在无监督学习中，只向网络提供一些学习样本，而不提供理想的输出。网络根据输入样本进行自组织，并将其划分到相应的模式类中。
一本讲模式识别的经典教材
一本讲模式识别的经典教材，主要内容有：特征提取与选取，监督学习和非监督学习。
模式识别一份很好的作业,包括线性分类器；最小风险贝叶斯分类器；监督学习法分层聚类分析；K－L变换提取有效特征,支持向量机
模式识别一份很好的作业,包括线性分类器；最小风险贝叶斯分类器；监督学习法分层聚类分析；K－L变换提取有效特征,支持向量机
ISODATA算法是一种基于统计模式识别的非监督学习动态聚类算法
ISODATA算法是一种基于统计模式识别的非监督学习动态聚类算法，有较强的实用性。介绍了ISODATA算法原理和实现步骤，结合具体算例进行了聚类分析，得到了理想的分类结果，并分析了参数的选取将对分类结果产生的影响。