如何下载Pr中文版

如何下载Pr中文版,第1张

点击下载:中文破解版Pr软件安装包,资源实时更新

链接:>

提取码:tz27

软件介绍:

Adobe

Premiere Pro,简称Pr,是由Adobe公司开发的一款视频编辑软件。 常用的版本有CS4、CS5、CS6、CC 2014、CC

2015、CC 2017、CC 2018、CC 2019、CC2020、CC2021、CC2022以及2023版本。Adobe

Premiere有较好的兼容性,且可以与Adobe公司推出的其他软件相互协作。这款软件广泛应用于广告制作和电视节目制作中。

很多新朋友接触Pr、或者是工作需要Pr软件的朋友、一定在网上要百度这些问题、Pr下载、Pr软件、Pr软件下载、Pr软件官方下载、Pr官网、Pr软件破解版下载、中文版Pr软件下载、中文版Pr、中文版Pr软件、Pr下载中文版、免费Pr破解版下载、免费中文版Pr、精简版Pr等等这些问题。怎么下载一个软件这么麻烦啊,到底有没有能够用的软件?分享给你各个版本软件安装包+软件视频。

径向基函数是单变量的函数,直接用plot命令即可。画出来的图像应该是个尖顶的对称函数曲线。

plot(x,y):若y和x为同维向量,则以x为横坐标,y为纵坐标绘制连线图。若x是向量,y是行数或列数与x长度相等的矩阵,则绘制多条不同色彩的连线图,x被作为这些曲线的共同横坐标。若x和y为同型矩阵,则以x,y对应元素分别绘制曲线,曲线条数等于矩阵列数。

例子:

在0≤x≤2π区间内,绘制曲线

y=2e-05xcos(4πx)

程序如下:

x=0:pi/100:2pi;y=2exp(-05x)cos(4pix);

plot(x,y)

%% 清空环境变量

clc

clear

%% 产生输入 输出数据

% 设置步长

interval=001;

% 产生x1 x2

x1=-15:interval:15;

x2=-15:interval:15;

% 按照函数先求得相应的函数值,作为网络的输出。

F =20+x1^2-10cos(2pix1)+x2^2-10cos(2pix2);

%% 网络建立和训练

% 网络建立 输入为[x1;x2],输出为F。Spread使用默认。

net=newrbe([x1;x2],F)

%% 网络的效果验证

% 我们将原数据回带,测试网络效果:

ty=sim(net,[x1;x2]);

% 我们使用图像来看网络对非线性函数的拟合效果

figure

plot3(x1,x2,F,'rd');

hold on;

plot3(x1,x2,ty,'b-');

view(113,36)

title('可视化的方法观察准确RBF神经网络的拟合效果')

xlabel('x1')

ylabel('x2')

zlabel('F')

grid on

5-2、利用RBF作为核函数

import numpy as np

import matplotlibpyplot as plt

from sklearn import svm, datasets

pltrcParams['fontsans-serif'] = ['SimHei']

pltrcParams['axesunicode_minus'] = False

iris = datasetsload_iris()

# 为简单起见,选取前两个特征作为分类的输入特征,

# 以便在二维空间画出决策曲线

X = irisdata[:, :2]

y = iristarget

# 设置分类器SVC,核函数为rbf,gamma设置为自动调整

svc = svmSVC(kernel="rbf", C=1, gamma="auto")fit(X, y)

# 绘图参数

x_min, x_max = X[:, 0]min() - 1, X[:, 0]max() + 1

y_min, y_max = X[:, 1]min() - 1, X[:, 1]max() + 1

h = (x_max / x_min) / 100

xx, yy = npmeshgrid(nparange(x_min, x_max, h),

                    nparange(y_min, y_max, h))

pltsubplot(1, 1, 1)

# 利用已有分类器进行预测

Z = svcpredict(npc_[xxravel(), yyravel()])

Z = Zreshape(xxshape)

# 绘制等高线并填充轮廓

pltcontourf(xx, yy, Z, cmap=pltcmPaired, alpha=08)

pltscatter(X[:, 0], X[:, 1], c=y, cmap=pltcmPaired)

pltxlabel('花萼长度')

pltylabel('花萼宽度')

# 限制x的取值范围,便于显示

pltxlim(xxmin(), xxmax())

plttitle('利用RBF作为核函数')

pltshow()

clc;

clearall;

closeall;

%%----BuildatrainingsetofasimilarversionofXOR

c_1=[00];

c_2=[11];

c_3=[01];

c_4=[10];

n_L1=20;%numberoflabel1

n_L2=20;%numberoflabel2

A=zeros(n_L12,3);

A(:,3)=1;

B=zeros(n_L22,3);

B(:,3)=0;

%createrandompoints

fori=1:n_L1

A(i,1:2)=c_1+rand(1,2)/2;

A(i+n_L1,1:2)=c_2+rand(1,2)/2;

end

fori=1:n_L2

B(i,1:2)=c_3+rand(1,2)/2;

B(i+n_L2,1:2)=c_4+rand(1,2)/2;

end

%showpoints

scatter(A(:,1),A(:,2),[],'r');

holdon

scatter(B(:,1),B(:,2),[],'g');

X=[A;B];

data=X(:,1:2);

label=X(:,3);

%%Usingkmeanstofindcintervector

n_center_vec=10;

rng(1);

[idx,C]=kmeans(data,n_center_vec);

holdon

scatter(C(:,1),C(:,2),'b','LineWidth',2);

%%Calulatesigma

n_data=size(X,1);

%calculateK

K=zeros(n_center_vec,1);

fori=1:n_center_vec

K(i)=numel(find(idx==i));

end

%UsingknnsearchtofindKnearestneighborpointsforeachcentervector

%thencalucatesigma

sigma=zeros(n_center_vec,1);

fori=1:n_center_vec

[n,d]=knnsearch(data,C(i,:),'k',K(i));

L2=(bsxfun(@minus,data(n,:),C(i,:))^2);

L2=sum(L2(:));

sigma(i)=sqrt(1/K(i)L2);

end

%%Calutateweights

%kernelmatrix

k_mat=zeros(n_data,n_center_vec);

fori=1:n_center_vec

r=bsxfun(@minus,data,C(i,:))^2;

r=sum(r,2);

k_mat(:,i)=exp((-r^2)/(2sigma(i)^2));

end

W=pinv(k_mat'k_mat)k_mat'label;

y=k_matW;

%y(y>=05)=1;

%y(y<05)=0;

%%trainingfunctionandpredictfunction

[W1,sigma1,C1]=RBF_training(data,label,10);

y1=RBF_predict(data,W,sigma,C1);

[W2,sigma2,C2]=lazyRBF_training(data,label,2);

y2=RBF_predict(data,W2,sigma2,C2);

扩展资料

matlab的特点

1、具有完备的图形处理功能,实现计算结果和编程的可视化;

2、友好的用户界面及接近数学表达式的自然化语言,使学者易于学习和掌握;

3、功能丰富的应用工具箱(如信号处理工具箱、通信工具箱等) ,为用户提供了大量方便实用的处理工具。

参考资料来源:百度百科—MATLAB

以上就是关于如何下载Pr中文版全部的内容,包括:如何下载Pr中文版、求画RBF神经网络核函数(即高斯核函数,多二次核函数,逆多二次核函数)图像的MATLAB代码、MATLAB RBF 代码等相关内容解答,如果想了解更多相关内容,可以关注我们,你们的支持是我们更新的动力!

欢迎分享,转载请注明来源:内存溢出

原文地址:https://54852.com/zz/9769412.html

(0)
打赏 微信扫一扫微信扫一扫 支付宝扫一扫支付宝扫一扫
上一篇 2023-05-01
下一篇2023-05-01

发表评论

登录后才能评论

评论列表(0条)

    保存