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 Python numpy matplotlib sklearn
1
李航《统计学习方法》中关于感知机分类算法的原理及实现。
2024/2/2 2:08:57 3KB 机器学习 神经网络
1
本书为ansys入门及提高教程,深入浅出的介绍了有限元分析的方法,用实例帮助难点的理解和掌握。
2024/1/25 20:44:36 15.41MB ansys 静态分析 动态分析 有限元
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
2024/1/25 9:25:40 626KB 数据
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)
2024/1/24 11:44:46 27.35MB deep learning 深度学习 邓力
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
2023/12/24 19:03:31 2.58MB ssl parsing human human-parsing
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。
2023/12/24 14:03:25 43.66MB OpenStack
1
这是一门专门为STEM学生开发的机器学习入门课程。
我们讨论有监督、无监督和强化学习。
笔记开始阐述了没有神经网络的机器学习方法,如主成分分析,t-SNE,和线性回归。
我们继续介绍基本和高级神经网络结构,如传统神经网络、(变分)自编码器、生成对抗网络、受限玻尔兹曼机器和递归神经网络。
2023/12/14 4:52:51 4.08MB 机器学习
1
教程很棒,但是构建项目是最好的学习方法。
做基于项目的学习,以正确的方式学习代码!ProjectLearn提供了精选的项目教程列表,学习者可以在其中从头开始构建应用程序。
这些分为不同的类别,即Web开发,移动开发,游戏开发,机器学习,深度学习和人工智能。
该列表包含有关许多需求语言和技术的项目教程,包括ReactJS,NodeJS,VueJS,Flutter,ReactNative,.NETCore,Unity,TensorFlow,OpenCV,Keras等。
要贡献此列表,请访问以获取更多详细信息:)项目教程列表:网络开发:项目技术领域链接构建自己的Uber-for-X应用程序HTML5,JavaScript,Node,Express,MongoDB构建一个社区驱动的交付应用程序Python,Django,PostgreSQL,JavaScript,Mapbox生成本地商店搜索和发现应用程序Python,Django,PostgreSQL,JavaScript,Mapbox使用React.js和Node.js的中等克隆React,Node,
2023/12/9 23:33:44 3.57MB react python machine-learning web-development
1
1,该资料为个人在网上收集,其内容的好坏,是否适合下载者均与本人无关。
2,该资料为数值策划资料,但作为一个有上进心的策划,对每一种策划的内容进行了解也是相当重要的。
3,该内容属于入门资料,一些工作经历超过数年的高级策划可以无视。
4,学习在于自己的学习态度,学习方法,资料只是其次。
在责怪资料的时候,请同时记得从自身上找下原因。
5,该资源为压缩文档,需要使用rar,zip的解压软件进行减压后方能使用。
1
共 83 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡