简介:摘要在线序贯极限学习机在训练过程中易产生奇异矩阵,导致过拟合引发模型泛化能力下降的问题,本文提出一种基于正则化在线极限学习机OS-ELM算法。初始训练阶段引入正则化因子,降低模型对隐含层节点的依赖程度。该算法可以使OS-ELM避免产生奇异矩阵,有效地提升模型的分类以及泛化能力。仿真实验表明该算法具有可靠的稳定性以及较高的分类精度和泛化能力。
简介:嵌入式系统 ,代表性的有嵌入式Linux系统、μC/OS系统,三、μC/OS在ARM微处理器上的移植
简介:大多数OS会给出不同的响应信息,远程OS探测协议栈指纹TCP/IP协议,其它的系统会返回不同的值
简介:而在系统时钟函数中进行任务切换,软件定时器中断服务函数实现代码如下,任务堆栈初始化函数代码如下
简介:Msg_Any_UI)来唤醒UI任务,Msg_Int_Hook)来唤醒摘/挂机任务,就必然唤醒摘/挂机任务
基于正则化的OS-ELM算法及分类应用
基于μC/OS的嵌入式系统应用开发研究
远程OS探测中的网络协议栈指纹识别技术
MicroC/OS-II在80C196上的移植实现
使用uC/OS-II操作系统的短信息电话机