normalization

    0热度

    2回答

    我试图找到一种方法来根据从excel导入的自定义用户数据来调整音调的音调。 self.changePitch(30 + (parseInt(self.infoCollection.collection[j].array[i])-200/(3600))); 上述代码适用于“正常值”高达约5,000。但是,我想将它们标准化为始终落在最小和最大频率之间。 https://stats.stackexc

    1热度

    1回答

    我有一个数据帧: df<-data.frame(Pet=rep(c("Dog", "Cat", "Bird"), c(5,10,15)), Gen=rep(c("M", "F", "M", "F", "M", "F"), c(3,5,12,5,3,2))) 正如我想象的男性的频率/女各动物我得到这个图: ggplot(df, aes(Pet, group=Gen, fill=Gen)) + g

    2热度

    1回答

    我正在研究一个程序,该程序从图中读取数据,并以经过标准化的特定频率播放数值,以显示数据点之间的差异。 在测试中,我发现对于不太高或太低而不能使用的频率范围,“可接受的”声音范围介于200和〜3800之间。这意味着我需要将所有数据转换为数字范围。根据这些指导方针,这是一个解决方案。 function normalize(enteredValue, minEntry, maxEntry, normal

    0热度

    1回答

    我想在0到1之间的Excel中对列A中的以下示例数据执行规范化。我尝试使用以下公式,但结果与0和1完全不同。任何帮助? =(A1-MIN($A$1:$A$57))/(MAX($A$1:$A$57)-MIN($A$1:$A$57)) 482991710 1059841418 482991711 482991711 482991735 482993183 482994631 482

    1热度

    2回答

    我正在设计一门基础课程数据库,并将'学期'作为一个实体。在这里,我有两个属性“季节”(秋季,春季,夏季)和“年”(2015年,2016年,2017年)。 如果我将这些属性替换为一个名为“Semester_Id”的键值为FALL16,SPRING16,FALL17等,我违反了第一范式吗?

    0热度

    1回答

    我有一个神经网络的训练数据以及预期的输出。每个输入都是10维向量,有1个预期的输出。我用高斯规范化了训练数据,但我不知道如何归一化输出,因为它只有单维。有任何想法吗? 实施例: 原始输入矢量: -128.91,71.076,-100.75,4.2475,-98.811,77.219,4.4096,-15.382,-6.1477,-361.18 标准化输入矢量: -0.6049,1.0412,0.3

    1热度

    1回答

    的我试图站/规范一些数据: 的数据包括两个温度读数,一个来自传感器和水银温度计其它的。 像这样: SENSOR THERM 32.69 31.25 32.00 30.25 31.94 30.50 31.87 30.50 31.44 29.50 ... 我想创建一个回归模型和我需要的数据是支架/标准化 什么我目前做的是: 找到传感器数据的平均值 找到Therm数据的平均值 计算的传感

    0热度

    1回答

    假设我有一个流数据,并且我使用SGD在张量流中用块来训练完全连接的神经网络块。 问题,我面对: 如何通过标准化块原始数据块? 是否可以对原始数据使用batch_normalization并将其提供给完全连接的NN?

    1热度

    1回答

    我正在使用来自加速度传感器的传感器数据和从Android可穿戴设备获得的陀螺仪在JaHMM中实施HMM。 用加速度计数据训练的HMM输出精确的学习状态,并且具有可接受的错误率。 两种HMM的被如下初始化: Hmm<ObservationVector> hmm = new Hmm<>(2, new OpdfMultiGaussianFactory(3)); hmm.setPi(0, 0.

    0热度

    1回答

    我是tensorflow的初学者,我想在张量上应用Frobenius normalization,但是当我搜索时我没有在tensorflow中找到与它有关的任何函数,我无法使用tensorflow ops,我可以使用numpy操作来实现它,但我怎样才能使用tensorflow操作? 使用numpy的在python我实现 def Frobenius_Norm(tensor): x = np