包含Bishop编著的机械学习经典Pattern_Recognition_and_Machine_Learning的全部练习题答案。
2019/2/18 17:01:12
2.41MB
1
提供了Neuralnetworksanddeeplearning这本书一切的章节pdf版内容。
另外，读者如果想要书中源代码，可以从https://github.com/mnielsen/neural-networks-and-deep-learning下载。
另外，读者如果想要书中源代码，可以从https://github.com/mnielsen/neural-networks-and-deep-learning下载。
2019/10/16 8:50:17
5.54MB
1
这是个深度学习四大名著之一的《Hands-On.Machine.Learning.with.Scikit-Learn.and.TensorFlow》紧缩包，，里面包含高清英文版PDF（包含书签，源码可复制），，和本书配套的源码及源码在github上的链接，此书书中文参考链接，，愿与诸君共勉，，加油加油！！！
2022/9/3 18:41:43
125.42MB
1
Learning-Web-Technologies-Spring-2020-2021-sec-h
2022/9/3 18:41:43
67KB
1
ASurveyofDeepMeta-Learning论文翻译原文链接：https://link.zhihu.com/?target=https%3A//arxiv.org/abs/2010.03522
2022/9/3 0:25:35
5.86MB
1
最近在学习计算机视觉，搜集了computervision方向最经典的十本书，分别是：1.Marr著的Vision2.计算机视觉：计算理论与算法基础（完整高清版）3.AnInvitationto3-DVisionFromImagestoGeometricModelsYiMa,StefanoSoatto,JanaKosecká,S.ShankarSastry4.MultipleViewGeometryinComputerVision(2nd_Edition)5.ComputerVisionModels,Learning,andInference6.GeneralizedPrincipalComponentAnalysis，7.PatternRecognitionandMachineLearning，8.ConvexOptimization，9.计算机视觉算法与应用中文版10.ComputerVision,AModernApproach(中文版)希望对大家有协助
2018/10/2 20:27:22
225.98MB
1
炸弹人这是Bomberman使用强化学习技术“Q-Learning”的模拟。
请参阅以获取文档。
致谢：这个想法基于文章“用于迷宫处理的深度强化学习”
请参阅以获取文档。
致谢：这个想法基于文章“用于迷宫处理的深度强化学习”
2016/10/8 15:08:38
8.33MB
1
Q-learningwithepsilon-greedyexploreAlgorithmforDeterministicCleaningRobotV1确定性清洁机器人MDP清洁机器人必须收集用过的罐子也必须为其充电电池。
状态描述了机器人的位置和动作描述运动的方向。
机器人可以向左移动或向左移动正确的。
第一个(1)和最后(6)个状态是终端状态。
目标是找到最大化报答的最优策略从任何初始状态。
这里是Q-learningepsilon-greedy探索使用算法（在强化学习中）。
算法2-3，来自：@book{busoniu2010reinforcement,title={使用函数逼近器的强化学习和动态规划}，作者={Busoniu，Lucian和Babuska，Robert和DeSchutter，Bart和Ernst，Damien
状态描述了机器人的位置和动作描述运动的方向。
机器人可以向左移动或向左移动正确的。
第一个(1)和最后(6)个状态是终端状态。
目标是找到最大化报答的最优策略从任何初始状态。
这里是Q-learningepsilon-greedy探索使用算法（在强化学习中）。
算法2-3，来自：@book{busoniu2010reinforcement,title={使用函数逼近器的强化学习和动态规划}，作者={Busoniu，Lucian和Babuska，Robert和DeSchutter，Bart和Ernst，Damien
2018/5/18 20:31:30
3KB
1
1、 训练数据准备所有数据均放置于Sample\Build\下，其中Build为数据类型，根据本人需要进行修改，本示例数据为512*512大小GF2建筑，训练数据按照:Sample\Build\train\IMG_T1-----------------------\IMG_LABEL-----------------\val\IMG_T1-----------------------\IMG_LABEL2、 训练参数设置参数和运行皆在dp0_train.py中，主要参数包括：（1） num_epochs，训练批次（2） learning_rate，学习率（3） dataset，步骤一本人构建的数据集名称（4） band，输入数据通道数（波段数）（5） n_class,模型输出通道数（类别）设置好后点击run即可3、 训练模型位置模型结构放与net文件中，生成模型文件pt位于Checkpointspath\4、 预测使用填写参数Checkpointspath，模型位置名称Dataset，待预测数据文件夹Outputpath，输出数据文件夹
2021/11/14 23:13:06
526.96MB
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