Este é o aplicativo do Windows chamado LWPR, cuja versão mais recente pode ser baixada como lwpr-1.2.6.zip. Ele pode ser executado online no provedor de hospedagem gratuito OnWorks para estações de trabalho.
Baixe e execute online este aplicativo chamado LWPR com OnWorks gratuitamente.
Siga estas instruções para executar este aplicativo:
- 1. Baixe este aplicativo em seu PC.
- 2. Entre em nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que você deseja.
- 3. Carregue este aplicativo em tal gerenciador de arquivos.
- 4. Inicie qualquer emulador on-line OS OnWorks a partir deste site, mas um emulador on-line melhor do Windows.
- 5. No sistema operacional OnWorks Windows que você acabou de iniciar, acesse nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que deseja.
- 6. Baixe o aplicativo e instale-o.
- 7. Baixe o Wine de seus repositórios de software de distribuição Linux. Depois de instalado, você pode clicar duas vezes no aplicativo para executá-lo com o Wine. Você também pode experimentar o PlayOnLinux, uma interface sofisticada do Wine que o ajudará a instalar programas e jogos populares do Windows.
Wine é uma forma de executar software Windows no Linux, mas sem a necessidade de Windows. Wine é uma camada de compatibilidade do Windows de código aberto que pode executar programas do Windows diretamente em qualquer desktop Linux. Essencialmente, o Wine está tentando reimplementar o suficiente do Windows do zero para que possa executar todos os aplicativos do Windows sem realmente precisar do Windows.
LWPR
Ad
DESCRIÇÃO
A Regressão de Projeção Ponderada Localmente (LWPR) é um algoritmo online totalmente incremental para aproximação de função não linear em espaços dimensionais elevados, capaz de lidar com dimensões de entrada redundantes e irrelevantes. Em seu núcleo, ele usa modelos lineares localmente, abrangidos por um pequeno número de regressões univariadas em direções selecionadas no espaço de entrada. Uma variante ponderada localmente de Partial Least Squares (PLS) é empregada para fazer a redução de dimensionalidade. Por favor cite:
[1] Sethu Vijayakumar, Aaron D'Souza e Stefan Schaal, Incremental Online Learning in High Dimensions, Neural Computation, vol. 17, não. 12, pp. 2602-2634 (2005).
[2] Stefan Klanke, Sethu Vijayakumar e Stefan Schaal, A Library for Locally Weighted Projection Regression, Journal of Machine Learning Research (JMLR), vol. 9, pp. 623-626 (2008).
Mais detalhes e diretrizes de uso no site do código.
Linguagem de Programação
C, MATLAB, Python
Categorias
Este é um aplicativo que também pode ser obtido em https://sourceforge.net/projects/lwpr/. Ele foi hospedado no OnWorks para ser executado online da maneira mais fácil a partir de um de nossos Sistemas Operativos gratuitos.
