资源简介
用提取的特征训练softmax分类器时所需要的matlab工具包
代码片段和文件信息
clear all
nInst = 250;
nVars = 10;
X = randn(nInstnVars);
w = randn(nVars1);
y = sign(X*w + randn(nInst1));
wTest = randn(nVars1);
fprintf(‘Testing gradient using forward-differencing...\n‘);
order = 1;
derivativeCheck(@LogisticLosswTestorder1Xy);
fprintf(‘Testing gradient using central-differencing...\n‘);
derivativeCheck(@LogisticLosswTestorder2Xy);
fprintf(‘Testing gradient using complex-step derivative...\n‘);
derivativeCheck(@LogisticLosswTestorder3Xy);
fprintf(‘\n\n\n‘);
pause
fprintf(‘Testing Hessian using forward-differencing\n‘);
order = 2;
derivativeCheck(@LogisticLosswTestorder1Xy);
fprintf(‘Testing Hessian using central-differencing\n‘);
order = 2;
derivativeCheck(@LogisticLosswTestorder2Xy);
fprintf(‘Testing Hessian using complex-step derivative\n‘);
order = 2;
derivativeCheck(@LogisticLosswTestorder3Xy);
fprintf(‘\n\n\n‘);
pause
fprintf(‘Testing gradient using fastDerivativeCheck...\n‘);
order = 1;
fastDerivativeCheck(@LogisticLosswTestorder1Xy);
fastDerivativeCheck(@LogisticLosswTestorder2Xy);
fastDerivativeCheck(@LogisticLosswTestorder3Xy);
fprintf(‘\n\n\n‘);
pause
fprintf(‘Testing Hessian using fastDerivativeCheck...\n‘);
order = 2;
fastDerivativeCheck(@LogisticLosswTestorder1Xy);
fastDerivativeCheck(@LogisticLosswTestorder2Xy);
fastDerivativeCheck(@LogisticLosswTestorder3Xy);
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2013-03-21 02:14 minFunc-master\
文件 1794 2013-03-21 02:14 minFunc-master\README.md
目录 0 2013-03-21 02:14 minFunc-master\autoDif\
文件 1319 2013-03-21 02:14 minFunc-master\autoDif\autoGrad.m
文件 1184 2013-03-21 02:14 minFunc-master\autoDif\autoHess.m
文件 371 2013-03-21 02:14 minFunc-master\autoDif\autoHv.m
文件 1338 2013-03-21 02:14 minFunc-master\autoDif\autoTensor.m
文件 1034 2013-03-21 02:14 minFunc-master\autoDif\derivativeCheck.m
文件 1704 2013-03-21 02:14 minFunc-master\autoDif\fastDerivativeCheck.m
文件 1392 2013-03-21 02:14 minFunc-master\example_derivativeCheck.m
文件 2421 2013-03-21 02:14 minFunc-master\example_minFunc.m
目录 0 2013-03-21 02:14 minFunc-master\logisticExample\
文件 417 2013-03-21 02:14 minFunc-master\logisticExample\LogisticDiagPrecond.m
文件 216 2013-03-21 02:14 minFunc-master\logisticExample\LogisticHv.m
文件 709 2013-03-21 02:14 minFunc-master\logisticExample\LogisticLoss.m
文件 2449 2013-03-21 02:14 minFunc-master\logisticExample\example_minFunc_LR.m
文件 228 2013-03-21 02:14 minFunc-master\logisticExample\mylogsumexp.m
文件 266 2013-03-21 02:14 minFunc-master\mexAll.m
目录 0 2013-03-21 02:14 minFunc-master\minFunc\
文件 4533 2013-03-21 02:14 minFunc-master\minFunc\ArmijoBacktrack.m
文件 10590 2013-03-21 02:14 minFunc-master\minFunc\WolfeLineSearch.m
目录 0 2013-03-21 02:14 minFunc-master\minFunc\compiled\
文件 8264 2013-03-21 02:14 minFunc-master\minFunc\compiled\lbfgsAddC.mexa64
文件 8624 2013-03-21 02:14 minFunc-master\minFunc\compiled\lbfgsAddC.mexmaci64
文件 7168 2013-03-21 02:14 minFunc-master\minFunc\compiled\lbfgsAddC.mexw64
文件 7707 2013-03-21 02:14 minFunc-master\minFunc\compiled\lbfgsC.mexa64
文件 7733 2013-03-21 02:14 minFunc-master\minFunc\compiled\lbfgsC.mexglx
文件 9500 2013-03-21 02:14 minFunc-master\minFunc\compiled\lbfgsC.mexmac
文件 12660 2013-03-21 02:14 minFunc-master\minFunc\compiled\lbfgsC.mexmaci
文件 8632 2013-03-21 02:14 minFunc-master\minFunc\compiled\lbfgsC.mexmaci64
文件 7168 2013-03-21 02:14 minFunc-master\minFunc\compiled\lbfgsC.mexw32
............此处省略33个文件信息
相关资源
- 随机森林工具包
- yalmip-cplex集成版
- spasm工具包
- 正则化matlab工具包
- 随机森林工具包RF_MexStandalone-v0.02-pr
- libsvm 编译后的工具包
- matlab GAOT工具包
- SLEP工具包
- 流形学习工具包包括8种经典流形学习
- PST电力系统工具包
- 图像细化算法的matlab实现(非自带工
- 最新版本3.0的电力系统工具包(PST)
- Softmax 函数处理
- 用yalmip工具包调用cplex求解电力系统机
- 随机森林工具包randomforest-matlab(基于
- 一些深度学习的工具包和例程
- 牛津大学开发的matconvnet工具包
- Exercise5-Softmax-Regression 斯坦福深度学习
- cvx CVX工具包
- DeepLearnToolbox 深度学习工具包
- MSR-Identity-Toolkit-v1.0 微软研究院的说话
- tensor_toolbox_2.6 张量工具包
- vgg16.mlpkginstall
- 数字图像处理(冈萨雷斯matlab版)工
- Matlab下输出SVG图的工具包plot2svg
- minfunc工具包matlab
- 鲁棒优化线性规划yalmip工具包
-
Matlab/simuli
nk工具包KF - intlab 5.5 matlab下的工具包
- Nifti 工具包 适用于matlab读取.nii格式的
评论
共有 条评论