里面包含考试训练,C课件讲义PPT
2024/5/28 1:03:46 19.49MB c语言 计算机二级考试 C语言课件
1
双支持向量机训练函数llaptwsvm
2024/5/27 5:11:26 423B llap twsvm
1
线性回归模型常用训练数据集,包含50_Startups.csv与studentscores.csv。
2024/5/27 5:07:28 2KB 训练数据集
1
基础太差,现在重新学习了一遍C语言。
因为训练要求,要学习SDL库的使用,编写个SDL+俄罗斯方块小游戏。
转眼一周多,小白终于写出来了。
以下是一些体会。
感觉还是好好学习,多撸代码才是正道。
借鉴了挺多前辈的经验【纯个人手码】
2024/5/27 1:57:34 4.2MB SDL C语言 俄罗斯方块 零基础实践
1
智能预测控制BP神经网络算法
2024/5/26 22:55:32 5KB 智能预测控制 预测仿真
1
比赛原始数据集,包括了提交示例,训练集、测试集四个文件随着各种社交平台的兴起,网络上用户的生成内容越来越多,产生大量的文本信息,如新闻、微博、博客等,面对如此庞大且富有情绪表达的文本信息,完全可以考虑通过探索他们潜在的价值为人们服务。
因此近年来情绪分析受到计算机语言学领域研究者们的密切关注,成为一项进本的热点研究任务。
2024/5/26 14:40:34 20.28MB NLP
1
本次实验训练了多个用于垃圾图片分类识别的模型,采用迁移学习的方法选取性能较好的模型进行调优改进,最终的模型识别准确率在93%以上(30个epoch);
然后将训练好的模型部署在华为云上,生成API接口进行调用;
最后设计了一个可视化程序调用API接口来进行展示,方便用户使用。
2024/5/26 13:35:28 711KB 垃圾分类 深度学习 Pytorch
1
使用MATALB编写的KPCA故障诊断程序,输入训练数据和测试数据即可。
带有SPE和T2统计图
2024/5/24 19:27:37 3KB KPCA MATLAB 故障诊断
1
测量语言模型中的社会偏见贡献者对应于:()WuChiyu()概括TLDR:我们设计了一个基准套件,以测试预训练语言模型中是否存在代表性的社会偏见。
我们的指标捕获了单词和句子级别的偏见,并返回了在公平性和性能之间取得平衡的整体评分。
动机随着机器学习方法被部署在诸如医疗保健,法律系统和社会科学等现实世界中,至关重要的是要认识到它们如何在这些敏感的决策过程中形成社会偏见和成见。
在这样的现实世界中,部署大规模的预训练语言模型(LM)可能会表现出不良的代表性偏见,而这种偏见可能是危险的-刻板印象产生的有害偏见会传播涉及性别,种族,宗教和其他社会建构的负面概括。
为了提高LM的公平性,我们在提出新的基准和度量标准之前,仔细定义了代表偏见的几种来源。
该存储库包含一组工具,用于对LM中的社会偏见进行基准测试。
相关工作最近的工作集中于定义和评估社会偏见[1,2]以及其
2024/5/24 12:49:52 4KB
1
程序可用,自带训练和测试数据集,每个模块是单独编,可读性强,利用率高。
2024/5/22 17:54:48 42KB PSO SVM
1
共 1000 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