Matlab
文章平均质量分 62
雁寻
专注于Big Data & Machine Learning
展开
-
Matlab向量化编程实现机器学习算法---1
假设x和θ为向量(n+1维实向量空间),需要计算 z=θ(T)x(θ(T)表示θ的转置),那么可以按以下方式实现: z = 0; for i=1:(n+1), z = z + theta(i) * x(i); end; 上述代码为非向量化编程,为了更加简洁和提高运行速度,可以采用以下向量化编程方式: z = theta' * x; %theta'表示θ的转原创 2014-05-23 10:39:58 · 2547 阅读 · 0 评论 -
Matlab向量化编程实现机器学习算法---2
2. 神经网络---正向传播 考虑一个三层神经网络(一个输入层、一个隐含层、以及一个输出层),并且假定x是包含一个单一训练样本的列向量。则向量化的正向传播步骤如下: z2 = w1.x + b1 a2 = f(z2) z3 = w2.a2 + b2 h(x) = a3 = f(z3) 当我们需要处理m个训练样本时,则需要把如上步骤放入一个for循环中原创 2014-05-24 15:00:51 · 1208 阅读 · 0 评论 -
Matlab向量化编程实现机器学习算法---3
3. 主成分分析和白化 首先,我们需要确保数据的均值(近似)为零。对于自然图像,我们通过减去每个图像块的均值(近似地)来达到这一目标。为此,我们计算每个图像块的均值,并从每个图像块 中减去它的均值。Matlab实现如下: avg = mean(x, 1); % 分别为每个图像块计算像素强度的均值。 x = x - repmat(avg, size(x, 1原创 2014-05-24 15:30:11 · 1228 阅读 · 0 评论