smilelhh / Neural_NetWorkLinks
BP神经网络
☆28Updated 10 years ago
Alternatives and similar repositories for Neural_NetWork
Users that are interested in Neural_NetWork are comparing it to the libraries listed below
Sorting:
- bp 神经网络算法☆128Updated 2 years ago
- 感知器、贝叶斯分类、决策树分类、K最近邻法、逻辑回归、支持向量机...☆129Updated 11 years ago
- 整理记录本人担任课程助教设计的四个机器学习实验,主要涉及简单的线性回归、朴素贝叶斯分类器 、支持向量机、CNN做文本分类。内附实验指导书、讲解PPT、参考代码,欢迎各位码友讨论交流。☆121Updated 7 years ago
- My Machine Learning☆67Updated 7 years ago
- 基于TensorFlow的深度学习、深度增强学习代码:NN(传统神经网络)、CNN(卷积神经网络)、RNN(递归神经网络)、LSTM(长短期记忆网络)、GAN(生成对抗网络)、DRL(深度增强学习)☆57Updated 8 years ago
- 用logistic回归,SVM,神经网络实现分类算法☆95Updated 9 years ago
- 支持向量机(SVM)——分类预测,包括多分类问题,核函数调参,不平衡数据问题,特征降维,网格搜索,管道机制,学习曲线,混淆矩阵,AUC曲线等☆53Updated 8 years ago
- 聚类分析: K均值聚类算法、层次聚类算法☆26Updated 11 years ago
- 记录小润了解的各种机器学习算法的实现以及基础概念,包括有监督学习,无监督学习,分类,聚类,回归;神经元模型,多层感知器,BP算法;损失函数,激活函数,梯度下降法;全连接网络、卷积神经网络、递归神经网络;训练集,测试集,交叉验证,欠拟合,过拟合;数据规范化等☆159Updated 9 years ago
- some small codes about deep learning☆51Updated 7 years ago
- 卷积神经网络☆10Updated 12 years ago
- 利用Python实现三层BP神经网络☆84Updated 7 years ago
- iris数据集的基本数据分析方法,包括KNN,LG,NB,SVM算法。☆46Updated 8 years ago
- attempt to predict the stock price with BP neural network☆14Updated 8 years ago
- Python 建立的BP神经网络处理预测相关公交线路数据☆38Updated 8 years ago
- Deep Learning--深度学习☆153Updated 7 years ago
- 天池工业AI大赛-智能制造质量预测,排名89/2539☆38Updated 7 years ago
- machine_learning的使用python基本算法实现,包括正则化的多项式拟合,em对高斯混合模型的聚类,逻辑回归,pca降维。于2015年秋季学期机器学习课完成。(包含报告)☆20Updated 9 years ago
- LSTM和SVM实现设备故障诊断☆51Updated 6 years ago
- AdaboostExample☆43Updated 6 years ago
- 深度学习相关教程☆136Updated 7 years ago
- Python code of RBF neural network classification model☆48Updated 7 years ago
- 深度学习库keras的教程和案例demo☆45Updated 7 years ago
- [UNMAINTAINED] 基于PySpark与MySQL的复杂网络链路预测。☆22Updated 8 years ago
- 基于遗传算法的特征选择☆127Updated 6 years ago
- 数据挖掘库sklearn的使用教程和demo☆84Updated 7 years ago
- 基于Keras的LSTM多变量时间序列预测☆185Updated 8 years ago
- 2018比赛-大数据-光伏电站-人工智能运维☆25Updated 7 years ago
- 2018年研究生数学建模F组题☆15Updated 2 years ago
- 反向传播神经网络及应用☆86Updated 10 years ago