使用神经收集的自行车同享料想简介-破产下场：作为自行车同享公司，咱们需要料想不久的未来需要若干辆自行车。
原因很少：假如咱们有更多的自行车提供以及较低的需要，它将削减咱们的经营资源。
假如咱们的提供量低于需要量，那末咱们就会患上到利润。
方案概述：咱们将重新末了构建神经收集，并使用随机梯度飞腾实现前馈以及反向传布。
稍后，咱们将依据看不见的数据测试收集的成果。
需要的库：脾性焦躁的大熊猫Matplotlib下场：上面是比力实际Vs料想的图。
原因很少：假如咱们有更多的自行车提供以及较低的需要，它将削减咱们的经营资源。
假如咱们的提供量低于需要量，那末咱们就会患上到利润。
方案概述：咱们将重新末了构建神经收集，并使用随机梯度飞腾实现前馈以及反向传布。
稍后，咱们将依据看不见的数据测试收集的成果。
需要的库：脾性焦躁的大熊猫Matplotlib下场：上面是比力实际Vs料想的图。
2023/3/27 17:49:52
1.87MB
1
局部方向模式（LDP）利用8个Kirsch模板与3×3局部邻域卷积得到局部的边缘梯度值,然后取绝对值并排序,最初将最大的三个梯度所在的方向信息编码成一个八位二进制数;其不足之处在于将边缘梯度求绝对值后进行编码。
2023/3/13 0:58:36
237KB
1
基于提高红外图像行人检测准确率的目的，提出了一种基于多特征的红外行人检测算法。
首先提取训练样本的梯度方向直方图特征和强度自类似性特征，利用二者相结合得到联合特征训练支持向量机（SVM），之后利用滑动窗口法対整幅红外图像进行遍历，用训练好的SVM进行分类检测。
在LSIFarInfraredPedestrianDataset数据库上实验证明，基于多特征的检测方法相较于单一特征的方法提高了红外行人检测的精度，降低了误检率和漏检率。
首先提取训练样本的梯度方向直方图特征和强度自类似性特征，利用二者相结合得到联合特征训练支持向量机（SVM），之后利用滑动窗口法対整幅红外图像进行遍历，用训练好的SVM进行分类检测。
在LSIFarInfraredPedestrianDataset数据库上实验证明，基于多特征的检测方法相较于单一特征的方法提高了红外行人检测的精度，降低了误检率和漏检率。
2023/3/12 10:22:33
1.07MB
1
针对传统Canny边缘检测算法的阈值需要人为设定的缺陷，本文提出了一种新的自顺应改进方法。
该方法根据梯度直方图信息，提出梯度差分直方图的概念，同时，对图像进行自顺应分类处理，使得算法不仅不需要人工设定阈值参数，而且还能有效地避免Canny算法在边缘寻找中的断边和虚假边缘现象。
对边缘信息丰富程度不同的灰度图和彩色图像运用该方法寻找边缘的实验结果表明，对于在目标与背景交界处的多数像素梯度幅值较大的图片，该算法具有边缘检测能力强、自顺应能力强的优点
该方法根据梯度直方图信息，提出梯度差分直方图的概念，同时，对图像进行自顺应分类处理，使得算法不仅不需要人工设定阈值参数，而且还能有效地避免Canny算法在边缘寻找中的断边和虚假边缘现象。
对边缘信息丰富程度不同的灰度图和彩色图像运用该方法寻找边缘的实验结果表明，对于在目标与背景交界处的多数像素梯度幅值较大的图片，该算法具有边缘检测能力强、自顺应能力强的优点
2023/3/6 7:40:33
8.09MB
1
压缩包内含：基于LSTM的股票价格预测_数据+代码+报告，可以最为数据挖掘的大作业。
股票作为人民金融投资的普遍方式，如何在股票中赚钱成为股民的共同目标。
要想在股票买卖中赚钱便要掌握股票的走势，因此股票价格预测工作引起社会及学术界的广泛关注。
股票的走势随市场变动，而且受诸多因素影响，如国际环境，政策变化，行业发展，市场情绪等等，这使得股民很难预测股票的走势。
理论上，根据股票以往的价格走势，可以预测股票的未来走势。
因为股票预测是高度非线性的，这就要预测模型要能够处理非线性问题，并且，股票具有时间序列的特性，因此适合用循环神经网络对股票进行预测。
虽然循环神经网络（RNN），允许信息的持久化，然而，一般的RNN模型对具备长记忆性的时间序列数据刻画能力较弱，在时间序列过长的时候，因为存在梯度消散和梯度爆炸现象RNN训练变得非常困难。
Hochreiter和Schmidhuber提出的长短期记忆（LongShort-TermMemory，LSTM）模型在RNN结构的基础上进行了改造，从而解决了RNN模型无法刻画时间序列长记忆性的问题。
因此，本文基于LSTM实现一个股票价格预测模型。
股票作为人民金融投资的普遍方式，如何在股票中赚钱成为股民的共同目标。
要想在股票买卖中赚钱便要掌握股票的走势，因此股票价格预测工作引起社会及学术界的广泛关注。
股票的走势随市场变动，而且受诸多因素影响，如国际环境，政策变化，行业发展，市场情绪等等，这使得股民很难预测股票的走势。
理论上，根据股票以往的价格走势，可以预测股票的未来走势。
因为股票预测是高度非线性的，这就要预测模型要能够处理非线性问题，并且，股票具有时间序列的特性，因此适合用循环神经网络对股票进行预测。
虽然循环神经网络（RNN），允许信息的持久化，然而，一般的RNN模型对具备长记忆性的时间序列数据刻画能力较弱，在时间序列过长的时候，因为存在梯度消散和梯度爆炸现象RNN训练变得非常困难。
Hochreiter和Schmidhuber提出的长短期记忆（LongShort-TermMemory，LSTM）模型在RNN结构的基础上进行了改造，从而解决了RNN模型无法刻画时间序列长记忆性的问题。
因此，本文基于LSTM实现一个股票价格预测模型。
2023/2/23 2:23:41
1.03MB
1
用CUDA写了个简单的求解稀疏矩阵的例子，使用共轭梯度法迭代。
矩阵的计算都是在GPU上运转。
稀疏矩阵采用CSR格式表示。
矩阵的计算都是在GPU上运转。
稀疏矩阵采用CSR格式表示。
2023/2/22 22:05:26
13.8MB
1
拟牛顿法只需求每一步迭代时知道目标函数的梯度。
通过测量梯度的变化，构造一个目标函数的模型使之足以产生超线性收敛性。
这类方法大大优于最速下降法，尤其对于困难的问题。
另外，因为拟牛顿法不需要二阶导数的信息，所以有时比牛顿法(Newton'sMethod)更为有效。
通过测量梯度的变化，构造一个目标函数的模型使之足以产生超线性收敛性。
这类方法大大优于最速下降法，尤其对于困难的问题。
另外，因为拟牛顿法不需要二阶导数的信息，所以有时比牛顿法(Newton'sMethod)更为有效。
2023/2/16 17:40:43
1KB
1
采用压片预置式激光多层熔覆制备了厚纳米Al2O3-13%TiO2(质量分数)涂层，研究了涂层的微观组织和结合功能，并分析了涂层厚度对结合强度的影响。
结果表明，陶瓷涂层各层之间无明显界面，过渡缓和自然，涂层内部致密、连续，基本无孔隙及贯穿性大裂纹等缺陷；
涂层由等轴晶的完全熔化区和残留纳米颗粒的部分熔化区组成，并且涂层中的裂纹基本集中于部分熔化区，另外晶粒尺寸表现为上小下大的梯度过渡特征。
随着涂层厚度的增加，结合强度逐渐下降，其减小的趋势为先快后慢。
厚度为175μm的试样结合强度高于78.6MPa，而厚度为350、525、700μm的涂层结合强度分别为66.3、47.4、36.2MPa。
结果表明，陶瓷涂层各层之间无明显界面，过渡缓和自然，涂层内部致密、连续，基本无孔隙及贯穿性大裂纹等缺陷；
涂层由等轴晶的完全熔化区和残留纳米颗粒的部分熔化区组成，并且涂层中的裂纹基本集中于部分熔化区，另外晶粒尺寸表现为上小下大的梯度过渡特征。
随着涂层厚度的增加，结合强度逐渐下降，其减小的趋势为先快后慢。
厚度为175μm的试样结合强度高于78.6MPa，而厚度为350、525、700μm的涂层结合强度分别为66.3、47.4、36.2MPa。
2023/2/15 16:26:44
2.94MB
1
分别用了基于梯度图和Saliency算法的显著度图计算方法，以水平和垂直两种方式简单地紧缩图片。
实现了有关动态规划算法
实现了有关动态规划算法
2023/2/15 12:31:03
8.02MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB