之前一直找计算机体系结构量化学习方法第五版的答案，下载积分要的都比较多，下载下来一下发现少了附录abc的答案，又花了很多时间找附录abc的答案，现在整合一下方便大家下载。
2024/3/9 10:04:37
7.35MB
1
介绍了目标跟踪中用到的各种深度学习方法，包括一些经典的算法，也介绍了一些由简单到复杂的各种目标跟踪的深度学习领域的算法。
讲解非常全面。
讲解非常全面。
2024/3/9 8:32:10
1.04MB
1
基于深度学习的软件源码漏洞预测综述，马倩华，李晖，深度学习方法能自动提取软件源代码的一些语法语义特征进行漏洞预测,已有一些研究证实了其有效性,但该领域还没有统一的指导原则,本
2024/3/8 4:40:51
325KB
1
叫你如何使用python到如何使用numpy数组以及如何画图等用途，最后叫你如何使用sklearn框架调用机器学习方法
2024/2/19 0:32:07
2.47MB
1
1.C4.5：是机器学习算法中的一种分类决策树算法，其核心算法是ID3算法。
2.K-means算法：是一种聚类算法。
3.SVM：一种监督式学习的方法，广泛运用于统计分类以及回归分析中4.Apriori：是一种最有影响的挖掘布尔关联规则频繁项集的算法。
5.EM：最大期望值法。
6.pagerank：是google算法的重要内容。
7.Adaboost：是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器然后把弱分类器集合起来，构成一个更强的最终分类器。
8.KNN：是一个理论上比较成熟的的方法，也是最简单的机器学习方法之一。
9.NaiveBayes：在众多分类方法中，应用最广泛的有决策树模型和朴素贝叶斯（NaiveBayes）10.Cart：分类与回归树，在分类树下面有两个关键的思想，第一个是关于递归地划分自变量空间的想法，第二个是用验证数据进行减枝
2.K-means算法：是一种聚类算法。
3.SVM：一种监督式学习的方法，广泛运用于统计分类以及回归分析中4.Apriori：是一种最有影响的挖掘布尔关联规则频繁项集的算法。
5.EM：最大期望值法。
6.pagerank：是google算法的重要内容。
7.Adaboost：是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器然后把弱分类器集合起来，构成一个更强的最终分类器。
8.KNN：是一个理论上比较成熟的的方法，也是最简单的机器学习方法之一。
9.NaiveBayes：在众多分类方法中，应用最广泛的有决策树模型和朴素贝叶斯（NaiveBayes）10.Cart：分类与回归树，在分类树下面有两个关键的思想，第一个是关于递归地划分自变量空间的想法，第二个是用验证数据进行减枝
2024/1/25 9:25:40
626KB
1
压缩包内涵《深度学习方法及应用》和《DeepLearningMethodsandApplications》，即邓力、俞栋合著的课本中文版及英文版PDF，仅用作学习参考，不得用于商业用途，谢谢合作。
(注：刚看到有人说分高，这个是自动涨的，下载不了的请私我或留下邮箱)
(注：刚看到有人说分高，这个是自动涨的，下载不了的请私我或留下邮箱)
2024/1/24 11:44:46
27.35MB
1
免责声明这是的经过修改的存储库。
请参阅原始存储库以获取更多详细信息。
联合身体分析和姿势估计网络（JPPNet）梁晓丹，龚科，沉和林亮，“观察人：联合的身体分析和姿势估计网络和一个新的基准”，T-介绍JPPNet是人类解析和姿态估计建立在之上的国家的艺术深度学习方法。
这个新颖的联合人类解析和姿态估计网络在端到端框架中结合了多尺度特征连接和迭代位置细化，以研究有效的上下文建模，然后实现彼此互利的解析和姿态任务。
这个统一的框架为人类分析和姿势估计任务实现了最先进的性能。
此发行版为T-PAMI2018接受的中报告的关键模型成分提供了一个公开可用的实现。
我们通过探索一种新颖的
请参阅原始存储库以获取更多详细信息。
联合身体分析和姿势估计网络（JPPNet）梁晓丹，龚科，沉和林亮，“观察人：联合的身体分析和姿势估计网络和一个新的基准”，T-介绍JPPNet是人类解析和姿态估计建立在之上的国家的艺术深度学习方法。
这个新颖的联合人类解析和姿态估计网络在端到端框架中结合了多尺度特征连接和迭代位置细化，以研究有效的上下文建模，然后实现彼此互利的解析和姿态任务。
这个统一的框架为人类分析和姿势估计任务实现了最先进的性能。
此发行版为T-PAMI2018接受的中报告的关键模型成分提供了一个公开可用的实现。
我们通过探索一种新颖的
2023/12/24 19:03:31
2.58MB
1
OpenStack设计与实现(完整扫描版)清晰带目录《OpenStack设计与实现》是一本介绍OpenStack设计与实现原理的书。
《OpenStack设计与实现》以Juno版本为基础，覆盖了OpenStack的学习方法到设计与实现等各个方面内容，致力于帮助读者形成OpenStack及其各个主要组件与项目的拓扑。
,《OpenStack设计与实现》语言通俗易懂，能够带领读者更为快速地走入OpenStack的世界并做出自己的贡献。
《OpenStack设计与实现》适合希望能够参与OpenStack开发的读者，也适合对OpenStack茫然的初学者，以及有一定使用部署经验但是希望了解OpenStack实现原理的广大用户。
《OpenStack设计与实现》以Juno版本为基础，覆盖了OpenStack的学习方法到设计与实现等各个方面内容，致力于帮助读者形成OpenStack及其各个主要组件与项目的拓扑。
,《OpenStack设计与实现》语言通俗易懂，能够带领读者更为快速地走入OpenStack的世界并做出自己的贡献。
《OpenStack设计与实现》适合希望能够参与OpenStack开发的读者，也适合对OpenStack茫然的初学者，以及有一定使用部署经验但是希望了解OpenStack实现原理的广大用户。
2023/12/24 14:03:25
43.66MB
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