本课程为精品课，您可以登录eeworld继续观看： Random Forest in Action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 猜你喜欢 同步降压控制器 MCP19035 评估板介绍 [高精度实验室] 运算放大器 : 2 输入失调电压与输入偏置电流 物联网项目实战制作：蓝牙4.0BLE开发-智能灯泡-万能遥控器 直播回放: TI 创新下一代汽车网关系统 直播回放: Renesas 瑞萨RA MCU家族成员快速增长，助力打造安全稳定的工业控制系统 高能效 AC/DC 开关电源控制器和应用简介 IBM世界首款7nm芯片展示 创客视频推荐——轻松操控一切智能设备的手势遥控器 热门下载 用英特尔28Fxx0B3高级引导块和AMD 29LV160 29LV800 29LV400实现多源设计 手机校准的详细分析 源程序，关于建立UART通信，只要UART通信搞定，相信你会 stm32点灯实验 模煳控制理论及其在过程控制中的应用 DSP微光视频实时图像处理器软件系统设计 4.4 多指令流出技术.ppt 很全的电子元器件基础知识讲义【精心制作完整版】.pdf Spring实战[第三版] 无陀螺微惯性测量组合的优化算法研究 热门帖子 TMS320C6748开发例程使用手册 TMS320C6748开发例程使用手册下载：TMS320C6748开发例程使用手册thanks好东西谢谢分享 广州创龙 关于PN结击穿，初学者百思不得其解的问题 高掺杂情况下会发生雪崩击穿吗，低掺杂情况下会发生齐纳击穿吗？一般来说反向击穿电压7V时为雪崩击穿，那这个时候会发生齐纳击穿吗？（两种击穿状态共存）反向击穿电压5V时为齐纳击穿，这时会发生雪崩击穿吗？（两种击穿状态共存）\0\0\0eeworldpostqq关于PN结击穿，初学者百思不得其解的问题楼主把雪崩击穿和齐纳击穿描述得好象有误。这个最基础的问题，网上有很多好帖，可以找一找。这里给你提供一篇：http://wenku.baidu.com/link?url=...fWn beehive 【TI首届低功耗设计大赛】三轴加速度演示 本帖最后由ltbytyn于2014-11-1723:18编辑 硬件部分:MSP430FR5969Launchpad+430BOOST-SHARP96+ADXL345ADXL345数字三轴重力加速度芯片，支持I2C\\SPI两种接口，本设计中采用I2C接口。MSP430FR5969事实上是有硬件I2C接口，但是与430BOOST-SHARP96连接后，I2C接口（P1.6/P1.7）被占用。只有P2.5\\P2.6\\P3.0可做他用，这三个脚均不支持硬件I2C，故使用I ltbytyn 430怎么处理32位的数据？ 最近在做SD卡的程序，从32上移植了个SD卡程序。如下。//向SD卡发送一个命令//输入:u8cmd命令//u32arg命令参数//u8crccrc校验值//返回值:SD卡返回的响应u8SD_SendCmd(u8cmd,u32arg,u8crc){u8r1;u8Retry=0;SD_DisSelect();//取消上次片选if(SD_Select())return0XFF;//片选失效// 两个人的烟火 【TI 无线主题征集】+ 我玩过的TI射频 TI的射频产品正经用过一些，以前经常使用TI的CC1121，这款芯片非常便宜，发射功能能过到16dBm，功能也非常强大。模块与模块之间我使用CC1121的2FSK传输数据。因为市面上有些现成的窗帘控制器使用超再生模块接收数据，为了让我们的产品能够控制现有市场上的遥控窗帘，经过分析，我们把窗帘遥控器的键码学下来，平时CC1121使用2FSK通信，当收到指令需要控制ASK窗帘时，通过配置CC1121寄存器让它切换到ASK模式，然后通过GPIO引脚模 littleshrimp 我的处女座 大家看看给我提宝贵的意见哦 我的处女座大家看看给我提宝贵的意见哦还有两根飞线unroute还有很大的优化空间无论是布局还是布线我发现楼主走线非常喜欢绕线是不是太细了，感觉应该是电源啊qq849682862发表于2014-11-1621:40还有两根飞线unroute还有很大的优化空间无论是布局还是布线 嗯恩我这两条是早底层没有与贴片的引脚相连上而导致的我明天重新布局lcofjp发表于2014-11-1621:57我发现楼主走线非常喜欢绕 第一 清风飘过 网友正在看 数模混合信号电路设计 SDK 裸机开发—PL读写PS端DDR之Vivado创建过程 Differential Relationship 有源滤波器概述 Capture软件操作界面及常用设置介绍 步进电机速度环控制实现(1) STM32CubeMX project settings - STM32Cube firmware libra 原理图器件对齐
