ນີ້ແມ່ນແອັບ Windows ທີ່ມີຊື່ວ່າ LWPR ເຊິ່ງລຸ້ນຫຼ້າສຸດສາມາດດາວໂຫຼດໄດ້ເປັນ lwpr-1.2.6.zip. ມັນສາມາດດໍາເນີນການອອນໄລນ໌ຢູ່ໃນຜູ້ໃຫ້ບໍລິການໂຮດຕິ້ງຟຣີ OnWorks ສໍາລັບສະຖານີເຮັດວຽກ.
ດາວນ໌ໂຫລດແລະດໍາເນີນການອອນໄລນ໌ app ນີ້ມີຊື່ LWPR ກັບ OnWorks ໄດ້ຟຣີ.
ປະຕິບັດຕາມຄໍາແນະນໍາເຫຼົ່ານີ້ເພື່ອດໍາເນີນການ app ນີ້:
- 1. ດາວໂຫຼດຄໍາຮ້ອງສະຫມັກນີ້ໃນ PC ຂອງທ່ານ.
- 2. ໃສ່ໃນຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 3. ອັບໂຫລດແອັບພລິເຄຊັນນີ້ຢູ່ໃນຕົວຈັດການໄຟລ໌ດັ່ງກ່າວ.
- 4. ເລີ່ມ emulator ອອນ ໄລ ນ ໌ OS OnWorks ຈາກ ເວັບ ໄຊ ທ ໌ ນີ້, ແຕ່ ດີກ ວ່າ Windows ອອນ ໄລ ນ ໌ emulator.
- 5. ຈາກ OnWorks Windows OS ທີ່ເຈົ້າຫາກໍ່ເລີ່ມຕົ້ນ, ໄປທີ່ຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 6. ດາວນ໌ໂຫລດຄໍາຮ້ອງສະຫມັກແລະຕິດຕັ້ງມັນ.
- 7. ດາວໂຫລດ Wine ຈາກບ່ອນເກັບມ້ຽນຊອບແວການແຈກຢາຍ Linux ຂອງທ່ານ. ເມື່ອຕິດຕັ້ງແລ້ວ, ທ່ານສາມາດຄລິກສອງຄັ້ງ app ເພື່ອດໍາເນີນການໃຫ້ເຂົາເຈົ້າກັບ Wine. ນອກນັ້ນທ່ານຍັງສາມາດລອງ PlayOnLinux, ການໂຕ້ຕອບທີ່ແປກປະຫຼາດໃນໄລຍະ Wine ທີ່ຈະຊ່ວຍໃຫ້ທ່ານຕິດຕັ້ງໂປລແກລມ Windows ແລະເກມທີ່ນິຍົມ.
ເຫຼົ້າແວງເປັນວິທີການແລ່ນຊອບແວ Windows ໃນ Linux, ແຕ່ບໍ່ມີ Windows ທີ່ຕ້ອງການ. ເຫຼົ້າແວງແມ່ນຊັ້ນຄວາມເຂົ້າກັນໄດ້ຂອງ Windows ແຫຼ່ງເປີດທີ່ສາມາດເອີ້ນໃຊ້ໂຄງການ Windows ໂດຍກົງໃນ desktop Linux ໃດກໍໄດ້. ໂດຍພື້ນຖານແລ້ວ, Wine ກໍາລັງພະຍາຍາມປະຕິບັດໃຫມ່ຢ່າງພຽງພໍຂອງ Windows ຕັ້ງແຕ່ເລີ່ມຕົ້ນເພື່ອໃຫ້ມັນສາມາດດໍາເນີນການຄໍາຮ້ອງສະຫມັກ Windows ທັງຫມົດໄດ້ໂດຍບໍ່ຕ້ອງໃຊ້ Windows.
LWPR
DESCRIPTION:
Locally Weighted Projection Regression (LWPR) ເປັນການເພີ່ມຢ່າງເຕັມສ່ວນ, ສູດການຄິດໄລ່ອອນໄລນ໌ສໍາລັບການປະມານການທໍາງານທີ່ບໍ່ແມ່ນຮູບແຂບຢູ່ໃນພື້ນທີ່ມິຕິລະດັບສູງ, ສາມາດຈັດການຂະຫນາດທີ່ຊ້ໍາຊ້ອນແລະບໍ່ກ່ຽວຂ້ອງ. ຢູ່ໃນຫຼັກຂອງມັນ, ມັນໃຊ້ຕົວແບບເສັ້ນຊື່ໃນທ້ອງຖິ່ນ, ຂະຫຍາຍດ້ວຍຈໍານວນການຖົດຖອຍຂອງ univariate ເລັກນ້ອຍໃນທິດທາງທີ່ເລືອກໃນພື້ນທີ່ປ້ອນຂໍ້ມູນ. ຕົວແປທີ່ມີນ້ຳໜັກຢູ່ໃນທ້ອງຖິ່ນຂອງບາງສ່ວນໜ້ອຍສຸດ (PLS) ແມ່ນນຳໃຊ້ເພື່ອເຮັດການຫຼຸດຂະໜາດ. ກະລຸນາອ້າງອີງ:
[1] Sethu Vijayakumar, Aaron D'Souza ແລະ Stefan Schaal, ການຮຽນຮູ້ອອນໄລນ໌ທີ່ເພີ່ມຂຶ້ນໃນຂະຫນາດສູງ, Neural Computation, vol. 17, ບໍ່. 12, ໜ້າ 2602-2634 (2005).
[2] Stefan Klanke, Sethu Vijayakumar ແລະ Stefan Schaal, A Library for Locally Weighted Projection Regression, Journal of Machine Learning Research (JMLR), vol. 9, ໜ້າ 623--626 (2008).
ລາຍລະອຽດເພີ່ມເຕີມແລະຄໍາແນະນໍາການນໍາໃຊ້ຢູ່ໃນເວັບໄຊທ໌ລະຫັດ.
ພາສາການຂຽນໂປຣແກຣມ
C, MATLAB, Python
ປະເພດ
ນີ້ແມ່ນແອັບພລິເຄຊັນທີ່ຍັງສາມາດເອົາມາຈາກ https://sourceforge.net/projects/lwpr/. ມັນໄດ້ຖືກຈັດຢູ່ໃນ OnWorks ເພື່ອໃຫ້ດໍາເນີນການອອນໄລນ໌ໃນວິທີທີ່ງ່າຍທີ່ສຸດຈາກຫນຶ່ງໃນລະບົບປະຕິບັດງານຟຣີຂອງພວກເຮົາ.