- 博客(11)
- 收藏
- 关注
转载 SAPI 包含sphelper.h编译错误解决方案
SAPI 包含sphelper.h编译错误解决方案 在使用Microsoft Speech SDK 5.1开发语音识别程序时,包含了头文件“sphelper.h”和库文件“sapi.lib”。编译时出错: 1>c:/program files/microsoft speech sdk 5.1/include/sphelper.h(769) : error C4430: missing type s
2016-04-25 09:29:53 948
原创 cout的二进制输出实现
1、在头文件中添加bitset类,即#include ;2、添加std::bitset,以使用成员函数bitset。#include #include int main(){ int a=11; //打印出的二进制长度为4*4=16 std::cout(a)<<std::endl; return 0;}运行结果为:0000000000001011
2016-02-24 11:54:14 1694
转载 C++实现基于概率论的分类方法--朴素贝叶斯分类
【机器学习实战】:C++实现基于概率论的分类方法--朴素贝叶斯分类(Naive Bayes Classifier)转载自:机器学习实战朴素贝叶斯分类算法是机器学习中十分经典而且应用十分广泛的算法,下面将逐步学习和说明。一、条件概率: 条件概率是概率论中的一个重要实用的概念。所考虑的是事件A已经发生的条件下事件B发生到概率。
2016-01-21 10:58:31 4813 1
转载 matlab 通用神经网络代码
matlab 通用神经网络代码(转) matlab 通用神经网络代码学习了一段时间的神经网络,总结了一些经验,在这愿意和大家分享一下, 希望对大家有帮助,也希望大家可以把其他神经网络的通用代码在这一起分享感应器神经网络、线性网络、BP神经网络、径向基函数网络%通用感应器神经网络。P=[-0.5 -0.5 0.3 -0.1 -40;-0.5
2016-01-20 17:02:35 2132
转载 How much training data do you need?
How much training data do you need? 转载至:https://medium.com/@malay.haldar/how-much-training-data-do-you-need-da8ec091e956#.evl20j4m9The quality and amount of training data is often the sing
2016-01-20 17:00:44 649
转载 梯度法
转载至:http://blog.sina.com.cn/s/blog_531bb76301017ply.html梯度下降法 梯度下降法是一个一阶最优化算法,通常也称为最速下降法。描述有关梯度下降法的描述梯度下降法,基于这样的观察:如果实值函数 在点 处可微且有定义,那么函数 在 点沿着梯度相反的方向 下降最快。因
2016-01-20 16:59:18 1418
转载 优化算法、共轭梯度法
转自:http://blog.sina.com.cn/s/blog_72bc796901011v2q.html 还可参考:共轭梯度法,最速下降法和牛顿法最速下降法 1.最速下降方向函数f(x)在点x处沿方向d的变化率可用方向导数来表示。对于可微函数,方向导数等于梯度与方向的内积,即:Df(x;d) = ▽f(x)Td,因此,求函数
2016-01-20 16:58:30 924
转载 矩阵理解
矩阵理解转载自:http://blog.sina.com.cn/s/blog_70d391540100n4br.html矩阵论主要研究的是线性空间以及在线性空间中的一些操作,主要是线性变换。当然书中主要是针对有限维的情况来讨论的,这样的话就可以用向量和矩阵来表示线性空间和线性变换,同其他的数学形式一样,矩阵是一种表达形式(notation), 而这一方面可以简洁地表达出我们平时遇到的如线性
2016-01-20 16:57:26 774
转载 维特比算法
维特比算法寻找最可能的隐藏状态序列(Finding most probable sequence of hidden states)对于一个特殊的隐马尔科夫模型(HMM)及一个相应的观察序列,我们常常希望能找到生成此序列最可能的隐藏状态序列。之前的那个问题变转,http://blog.csdn.net/jeiwt/article/details/8076019假设连续观察3天的海藻
2016-01-20 16:54:56 644
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人