本课程为精品课，您可以登录eeworld继续观看： Gaussian Kernel继续观看 课时1：Course Introduction 课时2：Large-Margin Separating Hyperplane 课时3：Standard Large-Margin Problem 课时4：Support Vector Machine 课时5：Reasons behind Large-Margin Hyperplane 课时6：Motivation of Dual SVM 课时7：Lagrange Dual SVM 课时8：Solving Dual SVM 课时9：Messages behind Dual SVM 课时10：Kernel Trick 课时11：Polynomial Kernel 课时12：Gaussian Kernel 课时13：Comparison of Kernels 课时14：Motivation and Primal Problem 课时15：Dual Problem 课时16：Messages behind Soft-Margin SVM 课时17：Model Selection 课时18：Soft-Margin SVM as Regularized Model 课时19：SVM versus Logistic Regression 课时20：SVM for Soft Binary Classification 课时21：Kernel Logistic Regression 课时22：Kernel Ridge Regression 课时23：Support Vector Regression Primal 课时24：Support Vector Regression Dual 课时25：Summary of Kernel Models 课时26：Motivation of Aggregation 课时27：Uniform Blending 课时28：Linear and Any Blending 课时29：Bagging (Bootstrap Aggregation) 课时30：Motivation of Boosting 课时31：Diversity by Re-weighting 课时32：Adaptive Boosting Algorithm 课时33：Adaptive Boosting in Action 课时34：Decision Tree Hypothesis 课时35：Decision Tree Algorithm 课时36：Decision Tree Heuristics in CRT 课时37：Decision Tree in Action 课时38：Random Forest Algorithm 课时39：Out-Of-Bag Estimate 课时40：Feature Selection 课时41：Random Forest in Action 课时42：Adaptive Boosted Decision Tree 课时43：Optimization View of AdaBoost 课时44：Gradient Boosting 课时45：Summary of Aggregation Models 课时46：Motivation 课时47：Neural Network Hypothesis 课时48：Neural Network Learning 课时49：Optimization and Regularization 课时50：Deep Neural Network 课时51：Autoencoder 课时52：Denoising Autoencoder 课时53：Principal Component Analysis 课时54：RBF Network Hypothesis 课时55：RBF Network Learning 课时56：k-Means Algorithm 课时57：k-Means and RBF Network in Action 课时58：Linear Network Hypothesis 课时59：Basic Matrix Factorization 课时60：Stochastic Gradient Descent 课时61：Summary of Extraction Models 课时62：Feature Exploitation Techniques 课时63：Error Optimization Techniques 课时64：Overfitting Elimination Techniques 课时65：Machine Learning in Action 课程介绍共计65课时，16小时4分32秒 机器学习技法 线性支持向量机、对偶支持向量机、核型支持向量机、软式支持向量机、核逻辑回归、支持向量回归 上传者：老白菜 正在载入数据,请稍等... 猜你喜欢 Miz702 zynq视频初阶教程（米联客） 直播回放： 如何使用 Microchip 安全方案为 IoT 设备保驾护航 Altium Designer 入门4层智能车全套PCB设计教程 直播回放: 安全系列20 - 在您的工厂进行MPU的安全配置 基于 C2000 的数字车载电源控制系统 [高精度实验室] 数据转换器介绍 飞思卡尔智能车模型（IoTT大篷车） 电源设计小贴士41:DDR 内存电源 热门下载 第二部分：开关电源的控制电路.pdf 中波电台发射机Multisim仿真电路 软件无线电系统的研究 本程序是用VHDL语言编写的 全自动激光粒度仪的研制 ADSP-BF533 Blackfin处理器开关式稳压器设计时需要考虑的事项 基于SPCE061A和GPS的车载终端设计研究 双向循环线性链表 无桥BoostPFC电路的主要参数设计 PCB设计经典资料（上册） 共上中下三册 热门帖子 LPC54100开发板求助贴~大神们进来瞅瞅 昨天晚上搭建完keil环境，然后找了几个例程下载到开发板里都可以下载，今天就不可以了，而且SW方式的速率必须100KHz以下，否则SW会连接失败，降到100KHz以下后找到SW但是却有下不了程序，报CANNOTENTERDEBUGMODE，或者CANNOTACCESSMEMORY，还有一个错误是设备不能启动，我昨天下载了几个M4，M0的例程，最后一个好像是WAKEUP的例程，是不是跟这个有关，需要唤醒再下程序？望大神指点，我自己也好好看看，不会刚到手就不行了吧LPC54100开发板 supermiao123 spartan6的iserdes2 最近在使用ISERDES2，遇到些问题，哪位高手能帮忙看看或者解决一下啊，不胜感激。问题如下：ISERDES2设置为“SDR时，系统时钟使用100M，倍频后的时钟为800M，整个系统编译后运行挺正常的，但是时序分析上报了错，不能用800M，所以感觉不放心。就想着使用”DDR，那么问题就来了，使用DDR时，时钟总是遇到问题，clk0和clk1怎么产生呢，通过PLL产生两个400M的时钟，其中一个做了180的相位延时，这种方式布线一直过不了。另外一种就是只产生一个400M的时钟，接到cl huan altium designer资料（不知道这个有没有人发过） 新手报到，做点贡献，共勉！altiumdesigner资料（不知道这个有没有人发过）现在开始学6.9了，正在看教程谢楼主谢谢楼主的分享！谢谢楼主分享资料不错，谢谢分享！谢谢楼主的分享，正在急需这个的资料顶现在有人发了谢谢楼主谢谢楼主分享回复楼主3000越甲的帖子感谢！谢谢楼主分享，正在学习非常好的资料，解燃眉之急呀，谢谢！感谢分享！ 3000越甲 LPC54100开箱照！是不是第一帖？！ 一大早来公司就收到SF送来的快递，版主的速度真是快啊，点个赞！LPC54100开箱照！是不是第一帖？！果然快呀，期待楼主多发帖子心得呀~这么快？呵呵看来我的也快了zqjqq88发表于2015-2-1209:38果然快呀，期待楼主多发帖子心得呀~ 必须的，我得对得起我得头像啊~哈哈哈哈770781327发表于2015-2-1209:45这么快？呵呵看来我的也快了 应该快了，SF的速度还是有保障的~这速度确实快啊。。。楼主可以先探探路 supermiao123 RS485电路 光耦 RS485通信电路一定要加光耦隔离吗？如果不是，那什么情况下要加？RS485电路光耦当然不是一定要加。两种情况下则必须加：1、现场电磁干扰较重；2、节点对大地构成回路且不同节点间的参考地电位相差较大时。注意，一旦加隔离，电源也必须独立。所以，隔离的成本是比较高的，需要才加。正如楼上所言，我再补充两点，第一，如果你的系统存在强弱电情况，也就是你的系统电压有可能会达到对地电压40V以上，这种情况下485需要用光耦做隔离，这是出于人身安全考虑，有些电子设备有耐压的强制要求，比如防护等级要做 zzbaizhi Altera SoC开发板深度体验申请阶段入围名单出炉！ 活动详情请见：http://www.eeworld.com.cn/huodong/201411Altera/index.html入围者为：ArrowSoCKit：luweixuanclrowen800ole007chenzhufly鑫海宝贝悠悠森林MacnicaHelioKit：众神之怒scsisailknightmuhan9 EEWORLD社区 网友正在看 5、直播线上QA环节 NumPy Histograms 基于SPI协议的Flash驱动控制（全擦除六） Z轉換性質 - 2_Z轉換 的 平移 性質 构建一个4位的寄存器 网友来稿：振荡电路不振荡，你这个电容你怎么回事？ 电子测量原理05 CapTIvate软件设计中心(CDC)介绍2
