首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏贾志刚-OpenCV学堂

    基于梯度下降算法求解线性回归

    = 1500; float learningRate = 0.1f; float[] theta = new float[2]; Arrays.fill(theta, 0); float[] hmatrix = new float[items.size()]; Arrays.fill(hmatrix, 0); int k=0; float s1 = 1.0f / items.size(); float sum1=0, sum2=0; for(int i=0; i<repetion; i++) { for(k=0; k<items.size(); k++ ) { hmatrix ]*items.get(k).x) - items.get(k).y); } for(k=0; k<items.size(); k++ ) { sum1 += hmatrix [k]; sum2 += hmatrix[k]*items.get(k).x; } sum1 = learningRate*s1*sum1; sum2

    805110发布于 2018-04-04
  • 来自专栏深度学习和计算机视觉

    基于梯度下降算法求解线性回归

    repetion = 1500; float learningRate = 0.1f; float[] theta = new float[2]; Arrays.fill(theta, 0); float[] hmatrix = new float[items.size()]; Arrays.fill(hmatrix, 0); int k=0; float s1 = 1.0f / items.size(); float sum1 =0, sum2=0; for(int i=0; i<repetion; i++) { for(k=0; k<items.size(); k++ ) { hmatrix[k] = theta[1]*items.get(k).x) - items.get(k).y); } for(k=0; k<items.size(); k++ ) { sum1 += hmatrix [k]; sum2 += hmatrix[k]*items.get(k).x; } sum1 = learningRate*s1*sum1; sum2 = learningRate

    65920发布于 2021-08-05
  • 来自专栏育种数据分析之放飞自我

    【康普森GS专栏】基因组选择中构建H矩阵需要设置哪些参数?

    提取A11, A12, A21, A22 根据对角线和非对角线方程组, 计算a和b 将相关参数加进去, 构建H逆矩阵 function hmatrix_julia_adjust(id_full,id_geno

    1.8K20发布于 2019-06-13
  • 来自专栏杨熹的专栏

    用 RNN 训练语言模型生成文本

    if tstep > 0: scope.reuse_variables() RNN_H = tf.get_variable( 'HMatrix

    1.4K40发布于 2018-04-02
领券