【直线回归】
·举例说明回归背景问题
·通过该例导出直线回归的意义
·简述正态分布的性质
·由此导出直线回归分析对资料的要求
·简述直线回归的回归系数检验
·直线回归的预测值及其95%可信区间
·标准曲线制作中的直线回归问题
·直线回归分析小结
·思考题
2022-04-16 14:06:36
587KB
基于地基于地理信息系统空间数据挖掘若干关键技术的研究.pdf理信息系统空间数据挖掘若干关基于地理信息系统空间数据挖掘若干关键技术的研究.pdf键基于地理信息系统空间数据挖掘若干关键技术的研究.pdf基于地理信息系统空间数据挖掘若干关键技术的研究.pdf基于地理信息系统空间数据挖掘若干关键技术的研究.pdf基于地理信息系统空间数据挖掘若干关键技术的研究.pdf基于地理信息系统空间数据挖掘若干关键技术的研究.pdf基于地理信息系统空间数据挖掘若干关键技术的研究.pdf基于地理信息系统空间数据挖掘若干关键技术的研究.pdf基于地理信息系统空间数据挖掘若干关键技术的研究.pdf基于地理信息系统空间数据挖掘若干关键技术的研究.pdf基于地理信息系统空间数据挖掘若干关键技术的研究.pdf基于地理信息系统空间数据挖掘若干关键技术的研究.pdf基于地理信息系统空间数据挖掘若干关键技术的研究.pdf基于地理信息系统空间数据挖掘若干关键技术的研究.pdf基于地理信息系统空间数据挖掘若干关键技术的研究.pdf基于地理信息系统空间数据挖掘若干关键技术的研究.pdf技术的研究.pdf
2022-04-16 14:06:29
5.71MB
data_progress.py用于对数据集进行分类
datasort.py用于对数据集图片进行重命名
train_resnet.py用于训练resnet网络
model_test.py用于用测试集图片对cnn模型和mobilenet模型进行预测，并观察准确率
design.py用于测试界面
results文件夹有resnet网络训练好的h5文件，以及网络训练过程文档和训练过程准确率变换图像
2022-04-16 09:07:43
868.31MB
1
图学习与强化学习如何结合是个重要的问题，来自东北大学的学者最近发布了《图强化学习》综述，总结了GRL方法的方法描述、开源代码和基准数据集，非常值得关注！图挖掘任务产生于许多不同的应用领域，包括社交网络、交通运输、电子商务等，近年来受到了理论和算法设计界的极大关注。在图数据挖掘任务中，使用正在研究中的强化学习(RL)技术进行了一些开创性的工作。然而，这些图挖掘算法和RL模型分散在不同的研究领域，难以对不同的算法进行比较。在本综述中，我们提供了RL模型和图挖掘的全面概述，并将这些算法推广到图强化学习(GRL)作为一个统一形式化。我们进一步讨论了GRL方法在各个领域的应用，并总结了GRL方法的方法描述、开源代码和基准数据集。最后，提出了未来可能需要解决的重要方向和挑战。这是对GRL文献进行全面考察的最新成果，为学者提供了一个全球视野，也为该领域以外的学者提供了学习资源。此外，我们为想要进入这个快速发展的领域的感兴趣的学者和想要比较GRL方法的专家创建了一个在线开源软件。
2022-04-16 09:07:40
1.08MB
1
采用烟花优化算法优化（FWA）优化LSTM回归预测，全中文注释，内置数据集，直接matlab2019中运行就可以。
2022-04-16 09:07:27
765KB
采用差分进化算法（Differential Evolution）优化LSTM回归预测，全中文注释，内置数据集，可以matlab2019上直接运行（已测试）
2022-04-16 09:07:26
766KB
采用粒子群优化算法（pso）优化LSTM回归预测，全中文注释，内置数据集，可以直接在MATLAB2019上直接运行。
2022-04-16 09:07:26
766KB