传智播客黑马9期为最新.NET程序员训练营高清视频教程，教程录制时间为2013年9月至2014年1月，是目前最新最系统最完整的.NET教程！包括源码，笔记，PPT课件素材等，涵盖内容包括.net基础加强，NetSQL，MVC,移动端JqueryMobile和Unity3D开发等。
2025/1/31 9:16:15
31B
1
数据查询操作、单表查询、多条件查询、聚合函数查询、内连接查询、外连接查询、复合查询、等值查询、比较查询等案例截图操作等等共18页
2025/1/29 20:53:15
2.52MB
1
全国大学生电子设计竞赛组委会专家组在电子设计竞赛开始的前一周都会在网上公布本次全国大学生电子设计竞赛需要的基本仪器和主要元器件清单，以便参赛学校做好准备。
通过对所公布的基本仪器和主要元器件清单进行分析，可以得到一些竞赛题目的信息。
一些可能出现的题目和作品应完成的功能，参赛队员可以根据自己的训练情况，选择一两个题目方向进行准备。
通过对所公布的基本仪器和主要元器件清单进行分析，可以得到一些竞赛题目的信息。
一些可能出现的题目和作品应完成的功能，参赛队员可以根据自己的训练情况，选择一两个题目方向进行准备。
2.89MB
1
从入门到实战：SpringCloudAlibaba训练营合集，全文125页。
很多人可能会问，有了springcloud这个微服务的框架，为什么又要使用springcloudalibaba这个框架了？最重要的原因在于springcloud中的几乎所有的组件都使用Netflix公司的产品，然后在其基础上做了一层封装。
资料涉及入门到实战的各个环节，适合springcloud的使用人员。
很多人可能会问，有了springcloud这个微服务的框架，为什么又要使用springcloudalibaba这个框架了？最重要的原因在于springcloud中的几乎所有的组件都使用Netflix公司的产品，然后在其基础上做了一层封装。
资料涉及入门到实战的各个环节，适合springcloud的使用人员。
2025/1/27 16:38:42
4.67MB
1
本问主要以预测秦皇岛煤炭价格为目标，通过问题一中不同因素对其影响权重的大小以及神经网络算法，建立价格预测模型。
BP神经网络模型处理信息的基本原理是：输入信号，通过中间节点（隐层点）作用于输出节点，经过非线性变换，产生输出信号，网络训练的每个样本包括输入向量和期望输出量t，网络输出值y与期望输出值t之间的偏差，通过调整输入节点与隐层节点的连接强度值和隐层节点与输出节点之间的连接强度以及阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数（权值和阈值），训练即告停止。
此时经过训练的神经网络即能对类似样本的输入信息，自行处理输出误差最小的经过非线性转换的信息。
BP神经网络模型处理信息的基本原理是：输入信号，通过中间节点（隐层点）作用于输出节点，经过非线性变换，产生输出信号，网络训练的每个样本包括输入向量和期望输出量t，网络输出值y与期望输出值t之间的偏差，通过调整输入节点与隐层节点的连接强度值和隐层节点与输出节点之间的连接强度以及阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数（权值和阈值），训练即告停止。
此时经过训练的神经网络即能对类似样本的输入信息，自行处理输出误差最小的经过非线性转换的信息。
2025/1/24 21:36:25
278KB
1
结合高光谱数据和深度学习的特点，提出一种同时考虑像素光谱信息和空间信息的深度卷积神经网络框架。
该框架主要步骤如下：首先利用主成分分析法对高光谱遥感图像进行光谱特征提取，消除特征之间的相关性，并降低特征维数，获得清晰的空间结构；
然后利用深度卷积神经网络对输入的样本进行空间特征提取；
最后通过学习到的高级特征进行回归训练
该框架主要步骤如下：首先利用主成分分析法对高光谱遥感图像进行光谱特征提取，消除特征之间的相关性，并降低特征维数，获得清晰的空间结构；
然后利用深度卷积神经网络对输入的样本进行空间特征提取；
最后通过学习到的高级特征进行回归训练
2025/1/22 10:55:54
3.25MB
1
基于MATLAB的adaboost算法，先对训练集进行训练，然后对测试集进行测试，最后得出采用adaboost算法对样本进行处理的错误率，最后得出比较图形。
2025/1/21 11:24:47
262KB
1
该程序采用MATLAB编写，带有orl_faces人脸数据库。
下载解压，可直接运行。
程序包含训练，识别精度计算，识别匹配等过程。
程序结果将以界面GUI形式展示。
下载解压，可直接运行。
程序包含训练，识别精度计算，识别匹配等过程。
程序结果将以界面GUI形式展示。
2025/1/21 11:14:24
22.64MB
1
深度学习(DeepLearning)是近年来提出的一种利用具有多个隐层的深度神经网络(DeepNeuralNetwork,DNN)完成学习任务的机器学习方法。
其实质是,通过构建具有多个隐层的神经网络模型并使用大量的训练数据来学习得到更有用的特征,进而提升模型预测或分类的准确性。
与以往的浅层神经网络的不同之处在于,深度学习主要强调了神经网络的深度(通常有大于1层的隐层),还突出了特征学习的重要性,从大数据中学习特征,这些特性可以刻画数据丰富的内在信息。
其实质是,通过构建具有多个隐层的神经网络模型并使用大量的训练数据来学习得到更有用的特征,进而提升模型预测或分类的准确性。
与以往的浅层神经网络的不同之处在于,深度学习主要强调了神经网络的深度(通常有大于1层的隐层),还突出了特征学习的重要性,从大数据中学习特征,这些特性可以刻画数据丰富的内在信息。
2025/1/19 7:51:09
10.13MB
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