实现为了教师在网上学习的成果，有种种课程，能够让教师更好更便捷的学习，同时能够在线测试，让教师随时知道自己的情景，能够让教师随时调解自己的学习方式！！！
2023/4/24 7:10:04
3.78MB
1
ESP32开拓指南介绍1.ESP32开拓指南首要分为入门篇:芯片介绍、情景搭建、下载方式、下场处置、开拓指点等。
底子篇:底子资源测试，GPIO、I2C、UART、TIM、PWM等。
WiFi使用篇:TCP、UDP、WS、SC、HTTP、HTTPS、MQTT、加密等。
2.ESP32开拓指南付与了教程+源码的学习方式教程:底籽实际、开拓流程、流程细节、接口介绍、源码测试、总结等源码:部份使用中文评释，最低评释到函数，详尽的中间评释到行。
3.总结ESP32开拓指南适宜初识无线学识、学习ESP32无线学识的初学者。
适宜工程师在开拓项普通期的评估测试。
底子篇:底子资源测试，GPIO、I2C、UART、TIM、PWM等。
WiFi使用篇:TCP、UDP、WS、SC、HTTP、HTTPS、MQTT、加密等。
2.ESP32开拓指南付与了教程+源码的学习方式教程:底籽实际、开拓流程、流程细节、接口介绍、源码测试、总结等源码:部份使用中文评释，最低评释到函数，详尽的中间评释到行。
3.总结ESP32开拓指南适宜初识无线学识、学习ESP32无线学识的初学者。
适宜工程师在开拓项普通期的评估测试。
2023/4/23 7:30:40
11.51MB
1
提出一种使用深度学习方式对于收集情景举行态势评估的方式。
依据收集扫描进程中患上到的迫害信息举行分类以及特色提取，熬炼深度学习收集，并依据学习下场料想侵略对于收集组成的影响，同时对于之后收集态势举行部份评估。
针对于收集部份的清静下场举行定量描摹，从而能够对于不合协议层、不合来源、不合本领的侵略举行迫害评估，并调解资源举行拦阻及防护。
依据收集扫描进程中患上到的迫害信息举行分类以及特色提取，熬炼深度学习收集，并依据学习下场料想侵略对于收集组成的影响，同时对于之后收集态势举行部份评估。
针对于收集部份的清静下场举行定量描摹，从而能够对于不合协议层、不合来源、不合本领的侵略举行迫害评估，并调解资源举行拦阻及防护。
2023/4/19 23:24:06
1.2MB
1
R语言回归方式以及机械学习方式的教学，课件是pdf方式R代码-机械学习方式搜罗遴选树、随机森林、svm、神经收集、boosting、bagging以及种种回归方式其中搜罗一些数据及例子以供参考。
2023/4/12 18:57:51
12.14MB
1
中科院（中国迷信院）自动化所，方式识别国度重点试验室牛人李子青写的一本专著，牛人也。
值患上学习方式识另皮毛关本领的深入学习马尔科夫随机场在图像阐发中的使用-李子青-MarkovRandomFieldModelinginImageAnalysis
值患上学习方式识另皮毛关本领的深入学习马尔科夫随机场在图像阐发中的使用-李子青-MarkovRandomFieldModelinginImageAnalysis
2023/4/9 0:16:48
9.95MB
1
深度学习的不雅点源于家养神经收集的钻研。
含多隐层的多层感知器便是一种深度学习结构。
深度学习经由组合低层特色组成愈加笼统的高层展现属性种别或者特色，以发现数据的漫衍式特色展现。
深度学习的不雅点由Hinton等人于2006年提出。
基于深信度网(DBN)提出非把守贪心逐层熬炼算法，为处置深层结构相关的优化难题带来阻滞，随后提出多层自动编码器深层结构。
另外Lecun等人提出的卷积神经收集是第一个真正多层结构学习算法，它行使空间相对于关连削减参数数目以普及熬炼成果。
深度学习是机械学习钻研中的一个新的规模，其成果在于建树、模拟人脑举行阐发学习的神经收集，它模拟人脑的机制来评释数据，譬如图像，声音以及文本。
同机械学习方式同样，深度机械学习方式也有把守学习与无把守学习之分.不合的学习框架下建树的学习模子颇为不合.譬如，卷积神经收集(Convolutionalneuralnetworks，简称CNNs)便是一种深度的把守学习下的机械学习模子，而深度信托网(DeepBeliefNets，简称DBNs)便是一种无把守学习下的机械学习模子。
含多隐层的多层感知器便是一种深度学习结构。
深度学习经由组合低层特色组成愈加笼统的高层展现属性种别或者特色，以发现数据的漫衍式特色展现。
深度学习的不雅点由Hinton等人于2006年提出。
基于深信度网(DBN)提出非把守贪心逐层熬炼算法，为处置深层结构相关的优化难题带来阻滞，随后提出多层自动编码器深层结构。
另外Lecun等人提出的卷积神经收集是第一个真正多层结构学习算法，它行使空间相对于关连削减参数数目以普及熬炼成果。
深度学习是机械学习钻研中的一个新的规模，其成果在于建树、模拟人脑举行阐发学习的神经收集，它模拟人脑的机制来评释数据，譬如图像，声音以及文本。
同机械学习方式同样，深度机械学习方式也有把守学习与无把守学习之分.不合的学习框架下建树的学习模子颇为不合.譬如，卷积神经收集(Convolutionalneuralnetworks，简称CNNs)便是一种深度的把守学习下的机械学习模子，而深度信托网(DeepBeliefNets，简称DBNs)便是一种无把守学习下的机械学习模子。
2023/4/8 19:20:38
107KB
1
针对数据量庞大引起模型参数更新时样本选择困难及训练速度慢的缺陷,提出基于投影寻踪回归的铜闪速熔炼过程关键工艺指标预测方法。
首先采用机器学习方式提取用于建模所需的类似样本集,借助投影寻踪回归思想,建立铜闪速熔炼过程关键工艺指标预测模型;然后利用基于实数编码的加速遗传算法进行模型参数的实时更新。
训练样本的机器选择可以避免人工选择带来的主观性和盲目性缺陷,模型参数的更新训练只在类似样本集中进行,可有效提高模型参数更新速度。
实际生产数据仿真结果验证了所提方法的有效性和可行性。
首先采用机器学习方式提取用于建模所需的类似样本集,借助投影寻踪回归思想,建立铜闪速熔炼过程关键工艺指标预测模型;然后利用基于实数编码的加速遗传算法进行模型参数的实时更新。
训练样本的机器选择可以避免人工选择带来的主观性和盲目性缺陷,模型参数的更新训练只在类似样本集中进行,可有效提高模型参数更新速度。
实际生产数据仿真结果验证了所提方法的有效性和可行性。
2018/3/12 21:46:20
868KB
1
机器学习是一门多学科交叉专业，涵盖概率论知识，统计学知识，近似理论知识和复杂算法知识，使用计算机作为工具并致力于真实实时的模仿人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。
[1]
[1]
2020/1/4 10:48:50
20.62MB
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