加注释的神经网络模型,项目注释+论文复现:yolossdfaster-rcnncamunetyolov3s4ndyolov4dynamicrelubroadfacetargetdrophs-resnetdiscfacenpcface
2023/6/1 17:18:12 3.24MB yolo resnet unet
1
为了将情感信息融入到词向量中,本文第一部分工作提出了两个情感词向量学习框架,即,基于谷歌提出的Skip-gram模型的框架和基于卷积神经网络模型的框架。
在每个框架中,根据情感和语义信息融合策略的不同,我们又分别提出H个具体模型。
为了验证学习得到的情感词向量能否包含语义和情感信息,本文分别在不同语言、不同领域的多个数据集下进行了大量定性和定量的比较实验。
这部分相关工作分别发表在2015年IALP会议和2016年IJCNN会议
2023/3/14 22:36:39 4.63MB 深度学习
1
这是基于YOLOV5目标检测模型的实时车牌识别,包括对车辆的车牌区域精确定位,利用校正探测器对定位的车牌进行边框校正处理,使用增强神经网络模型对车牌区域进行超分辨率技术处理和光学字符识别。
经过多次试验测试,可以对视频中的车辆车牌实时识别以及图片中的车辆车牌进行精确定位和识别,识别速度快,精确率高,比那些传统车牌识别方法效果好很多。
效果演示视频:1.https://www.bilibili.com/video/BV1eK4y1m7GQ/2.https://www.bilibili.com/video/BV13K4y1K7Pi/
2022/12/22 22:45:52 321.24MB YOLOV5 车牌定位 车牌识别 光学字符识别
1
利用现最流行的神经网络模型,在数学建模中根据已有的数据经过学习进行预测
2020/11/7 18:09:44 5KB BPyuce
1
利用现最流行的神经网络模型,在数学建模中根据已有的数据经过学习进行预测
2020/11/7 18:09:44 5KB BPyuce
1
基于神经网络的车牌识别,点击即可运行,内容包含:图像预处理,车牌水平矫正,字符分割,三层神经网络模型训练,字符识别显示,制造了简易的GUI界面,便于输出显示!
2017/11/3 3:04:10 38.71MB 神经网络 matlab 图像处理 图像识别
1
精确的电力负荷预测可以保证电力供应的稳定,降低用电成本,提高供电质量。
在进行短期电力负荷预测时,考虑到时序数据的时间相关性,应用张量流深度学习框架构建了LSTM神经网络模型,对电力负荷时序数据进行回归预测
2020/2/6 7:07:35 unknown 电力负荷 深度学习
1
线性规划、常微分方程的解法、马氏链模型、神经网络模型、偏最小二乘、回归时间序列、灰色系统理论及其使用、对策论、排队论、方差分析等29个数学建模必备通用模型及matlab解法
2019/9/1 5:36:51 7.28MB 数学建模 常用算法 通用模型
1
对公共场所中人群监控准确性和实时性低的问题,提出一种基于运动显著图的人群异常行为检测方法。
该方法首先利用Lucas-Kanade法计算稀疏特征点的光流场,并对光流场进行时间和空间上的滤波处理,然后计算特征点的运动方向、速度和加速度。
为了准确描述人群行为,将人群的速度幅值、运动方向变化量和加速度幅值分别映射为图像的R、G、B三个通道,并以此合成代表人群运动特征的运动显著图。
最后,设计和训练面向人群运动显著图的卷积神经网络模型,并利用该模型检测人群中能否存在异常行为。
2021/4/7 19:49:27 477KB 算法
1
野生神经网络模型matlab源码.zip
2019/7/16 16:07:14 743KB matlab 神经网络
1
共 50 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