模式识别(三)非线性分类器(待续)
模式识别(三)非线性分类器3.1引言3.2 异或问题3.3 两层感知器3.4 三层感知器3.5基于训练集准确分类的算法3.6反向传播算法3.7反向传播算法改进3.8代价函数选择3.9神经网络大小的选择3.10 仿真3.11 具有权值共享的网络3.12 线性分类器的推广3.13 线性分类法中l维的空间3.14多项式分类器3.15径向基函数网络3.16通用逼近3.17概率神经网络3.18支持向量机:非
·
模式识别(三)非线性分类器
3.1引言
3.2 异或问题
3.3 两层感知器
3.4 三层感知器
第一层的神经元构成超平面;
第二层的神经元构成区域;
第三层为输出层的神经元确定类;
3.5基于训练集准确分类的算法
3.6反向传播算法
3.7反向传播算法改进
3.8代价函数选择
3.9神经网络大小的选择
3.10 仿真
3.11 具有权值共享的网络
3.12 线性分类器的推广
3.13 线性分类法中l维的空间
3.14多项式分类器
3.15径向基函数网络
3.16通用逼近
3.17概率神经网络
3.18支持向量机:非线性情况
3.19超越SVM的范例
3.20 决策树
3.21 合并分类器
3.22 合并分类器的增强法
3.23类的不平衡问题
更多推荐
已为社区贡献4条内容
所有评论(0)