高斯扩散模型matlab代码免责声明：大多数代码编写于〜2009年，最后一次更新于2013年进行。自那时以来，已经开发了许多其他代码（采用R等开源语言），并公开提供了用于模拟和拟合顺序采样以及蓄能器型号。
我什至不再使用此代码，但我偶尔将其提供给学生和博士后，通常只是为了给他们开发自己的代码的起点。
我正在这里记录它，只是为了不丢失它。
顺序采样和累加器模型形成了一个强大的框架，可以对选择和等待时间进行建模，并且可以成功地用于解决眼球运动的“何时”和“何处”（例如Carpenter的LATER模型和我们自己的一些工作）。
基本思想是，随着时间的推移，朝着响应阈值累积了支持不同潜在扫视目标的“证据”。
这些模型具有多种风格，但它们都共享一些嘈杂的决策变量到标准的时间积分的中心概念。
这些模型在假定的噪声类型（漂移率噪声，起始点可变性等）以及是否包括诸如蓄能器之间的横向抑制，泄漏和自激等成分方面有所不同。
那么很显然，该域中所有可能模型的空间确实很大。
我在这里编写了一些基本的（Matlab）代码，使您可以在该通用类中模拟相当多的模型。
当前形式的代码模拟了一个竞争性的累加器，其中包括：
2022-05-23 17:11:27
682KB
1
木薯叶病分类
介绍
这是 ， 和针对的一种解决方案。
在此存储库中，您可以找到我的管道以及我们用于此竞赛的解决方案。 在README的第一部分中，我将描述我们的解决方案，在第二部分中，我将对存储库的结构以及所有文件的描述进行描述。
源代码写。 您可以（或）找到有关此竞赛的完整报告（33页）。
解决方案
知识升华
我们做了一个非常软的知识提炼。 我们没有时间去做很多实验，所以我们只有一个办法来保证数据集的可靠性。 我们浏览了该论坛，并发现至少有500个患病的图像被标记为健康。 其他类型的错误很少被提及。 因此，我们决定仅将500个样本作为知识蒸馏的软目标。 我们对SWSL ResNeXt 101 8D进行了5倍训练，并预测了来自每个验证部分和每个标签的所有图像的标签。 然后，我们保存了每幅图像的预测和置信度，并选择了置信度阈值，该阈值用于查找〜500个样本，这些样本中极有把握的预测与地面
2022-05-12 21:53:14
1.81MB
1
人工智能-机器学习-竞争型上市公司资本结构与企业价值基于电信与计算机行业的实证分析.pdf
2022-05-09 09:08:08
2.26MB
人工智能-机器学习-竞争型上市公司资本结构与企业价值省略基于电信与计算机行业的实证分析.pdf
2022-05-09 09:08:08
4.6MB