本课程为精品课，您可以登录eeworld继续观看： Stochastic Gradient Descent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 DRV3000系列SafeTI马达驱动满足功能安全需求设计 使用TI一流的LP8863-Q1 LED背光驱动器照亮您的设计 STM32超值型产品《探索套件》 支持多通道的32Gbit/s 信号质量分析仪——MP1800A 树莓派的 GPIO 基础 CH32V 系列 RISC-V MCU 开发实战 TI 智能门锁解决方案 PMSM控制技术：PWM调制技术 - 电机控制电子实验室第4章 热门下载 AVR ATMega16最小系统原理图PCB AFE5801,pdf(8-Channel Variable-Gain Amplifier (VGA) With Octal High-Speed ADC) 准谐振式反激式开关电源IRIS4015原理及设计要点 精彩解码板、激光头详细说明图 化学气相沉积与无机新材料 PCI-to-PCI Bridge Architecture TMS320VC5501-300,pdf(Fixed-Point Digital Signal Processor) 用8位单片机实现ARINC429总线数据传输 线性动态电路 电脑游戏机硬件与编程特技.rar 热门帖子 PCI接口设计指南 PCI接口设计指南PCI接口设计指南接贴我第一个来！回复：PCI接口设计指南duoxie,zan!!!回复：PCI接口设计指南好东西，谢谢楼主。。回复：PCI接口设计指南怎么才能看到啊回复：PCI接口设计指南顶一个，好东西~~~回复：PCI接口设计指南这个很好收藏了回复：PCI接口设计指南wodingding回复：PCI接口设计指南Thanksalot!回复：PCI接口设计指南kankana回复:PCI接口设计指南最近正在学这个，太 呱呱 步进电机驱动程序 本帖最后由paulhyde于2014-9-1509:18编辑信不信由你步进电机驱动程序 thongwei 3.5寸TFT 液晶屏320*480分辨率，IPS全视角，ILI9481驱动，资料包 1.大点阵：320X480的，一般的3.5的只有240X320，只有它一半。2.全视角面板：顶级TFT面板---IPS（百度查）面板，你从任何角度看其的显示效果都是完美的，不像一般的TFT只要侧下身一看，一片花白。3.阳光下的显示:这种屏在阳光下显示非常清晰，打开你的手机，在烈日下，你的手机上的图片是不是一片花白，这种屏就不会。4.单片机可驱动:一般的3.5的屏，都不带LCD控制器，所以一般都得采用外接的方式，比如ARM9自带的那种LCD控制器来驱动，这种屏的LCDDRIVE shanyan 12864手机操作菜单 12864手机操作菜单12864手机操作菜单12864手机操作菜单学习一下，谢谢分享！多谢分享最好先来几张图片，让大家看看效果怎么样～同意楼上的，上几张图让大家看看效果……谢谢楼主正需要能在加一点说明就更好了！！！学习一下，谢谢分享！感谢分享。。。。 lxt2006 【LPC800】终于顺利解决win8下flash magic下载问题 本帖最后由770781327于2015-7-121:52编辑 不知道拿到板子的亲们用起来没为了用这块板子特意去买了根usb转ttl的线，可惜下载没成功，具体过程如下：1首先按住ISP按钮上电我试过只用usb转ttl上电烧录的，和usb转ttl，还有usb端usb线同时上电两种情况，电源灯是都亮的，可惜都没成功2其次程序，我用的例程，编译生成hex文件3。打开烧录软件选择芯片型号，端口，波特率（我9600的和115200的都试过了），hex文件路径，然后开 770781327 栅极驱动变压器 想用脉冲变压器给全桥LLC做驱动，mosfet选用的是CI60N120SM，驱动芯片是IXDN609SIA，但是测试的时候随着母线电压上升，驱动板的电流逐渐增加，vgs震荡也增加，请问变压器驱动SICmosfet应该怎么设计呢？栅极驱动变压器用两个1：2的驱动变压器能够驱动半桥LLC工作，但是使用四个1：2的驱动变压器做全桥LLC，随着母线电压上升就会出现驱动板电流上升的情况，还会烧坏mosfet。 学电源的sjh 网友正在看 Uboot顶层Makefile分析-vscode工程创建 基本指令的总结 递归调用原理 CES 2015: LifeQ开发人体传感器 步进马达基础原理 线性最小均方估计的原理 电流源负载共源极放大器 MQTT协议简介
