《强化学习导论》摘录之强化学习与有监督学习、监督学习的区别；
Reinforcement Learning: An Introduction；
The differences between reinforcement learning and supervised learning, unsupervised learning.
2021-06-26 21:06:10
1.71MB
1
盛大
这是论文的代码：用于图的半监督学习的图随机神经网络[ ]
如果您认为我们的工作对您有帮助，请引用我们的论文：
@inproceedings{feng2020grand,
title={Graph Random Neural Network for Semi-Supervised Learning on Graphs},
author={Wenzheng Feng, Jie Zhang, Yuxiao Dong, Yu Han, Huanbo Luan, Qian Xu, Qiang Yang, Evgeny Kharlamov, Jie Tang},
booktitle={NeurIPS'20},
year={2020}
}
要求
的Python 3.7.3
请通过pip install -r requirements.txt安装其他程序包
使用范例
在Cor
2021-06-25 16:04:22
5.07MB
1
模式识别的作业,包括线性分类器；最小风险贝叶斯分类器；监督学习法分层聚类分析；K－L变换提取有效特征,支持向量机
2021-06-22 23:49:24
2.48MB
1
在投影锐化架构上结合 WTA、HL 和 HAR 的网络对关系进行无监督学习。 由库克等人设计。
2021-06-15 20:02:50
246KB
1
生长神经气体 (GNG) 神经网络属于拓扑表示网络 (TRN) 类。 它可以学习有监督和无监督。 在这里，实现并演示了在线无监督学习模式。 它的学习方法结合了改良的 Kohonen 学习来调整神经元的位置，并结合竞争性赫布学习 (CHL) 来进行连接。 有关详细信息，请参阅参考文献。 [1]。 为了使主脚本 (gng_lax.m) 发挥作用，您必须首先使用相应的数据生成器选择并生成流形（数据）。 欲获得有关竞争性学习方法系列的详尽报告，请咨询参考。 [2]。 参考[1] Fritzke B. “A Growing Neural Gas Network Learns Topologies”，神经信息处理系统进展 7，麻省理工学院出版社，马萨诸塞州剑桥，1995 年。
[2] Fritzke B.“一些竞争性学习方法”，1997 年可在： https ://pdfs.semanticsch
2021-05-29 21:03:02
10KB
1