这是用matlab实现的一个多层感知机，由三个全连接层组成，压缩包中的脚本可直接运行。
运行顺序为：1.data_gen.m(在工作空间生成数据集data.mat，因为压缩包本来已经有数据集了，这一步可以跳过，画出数据集的分布)2.mlp_relu.m(训练网络，会在工作区生成网络权重的参数variable.mat，工作空间已经有这个了，也可以跳过，耗时大概2，3秒，电脑性能决定，画出损失函数变化曲线)3.valuate_variable(测试第二步的网络的性能，画出可视化图形)
运行顺序为：1.data_gen.m(在工作空间生成数据集data.mat，因为压缩包本来已经有数据集了，这一步可以跳过，画出数据集的分布)2.mlp_relu.m(训练网络，会在工作区生成网络权重的参数variable.mat，工作空间已经有这个了，也可以跳过，耗时大概2，3秒，电脑性能决定，画出损失函数变化曲线)3.valuate_variable(测试第二步的网络的性能，画出可视化图形)
2023/10/17 11:02:03
13KB
1
该资源与我的博客《用Tensorflow2.0实现Faster-RCNN的详细代码解析》相配套，使用的数据集是一个公开数据集，在此资源中也是有的，深度学习方面使用Tensorflow2.0框架实现。
2023/10/16 12:02:25
482.76MB
1
特别提醒：本文件为《大话数据分析：Tableau数据可视化实战》的数据集，并不是PDF书籍。
2023/10/13 13:16:27
22.01MB
1
ApacheSpark是一个围绕速度、易用性和复杂分析构建的大数据处理框架。
最初在2009年由加州大学伯克利分校的AMPLab开发，并于2010年成为Apache的开源项目之一。
与Hadoop和Storm等其他大数据和MapReduce技术相比，Spark有如下优势。
首先，Spark为我们提供了一个全面、统一的框架用于管理各种有着不同性质（文本数据、图表数据等）的数据集和数据源（批量数据或实时的流数据）的大数据处理的需求。
Spark可以将Hadoop集群中的应用在内存中的运行速度提升100倍，甚至能够将应用在磁盘上的运行速度提升10倍。
Spark让开发者可以快速的用Java、Scala或Pyt
最初在2009年由加州大学伯克利分校的AMPLab开发，并于2010年成为Apache的开源项目之一。
与Hadoop和Storm等其他大数据和MapReduce技术相比，Spark有如下优势。
首先，Spark为我们提供了一个全面、统一的框架用于管理各种有着不同性质（文本数据、图表数据等）的数据集和数据源（批量数据或实时的流数据）的大数据处理的需求。
Spark可以将Hadoop集群中的应用在内存中的运行速度提升100倍，甚至能够将应用在磁盘上的运行速度提升10倍。
Spark让开发者可以快速的用Java、Scala或Pyt
2023/10/12 10:12:26
200KB
1
Weka是机器学习中的一个非常好的开源工具，对于熟悉Java的同学们来说是一个非常好的选择。
Weka几乎包含了所有常见机器学习算法的Java实现，Weka中支持的数据格式主要是arff，虽然weka官网上提供了一些arff文件，但有时仅有这些还不能满足需求，为此，本人搜集各方资料，再加上自己的手工转换，整理出了一个还算比较完整的arff数据集合，在这里分享给大家,并配有教材能边看边进行案例分析
Weka几乎包含了所有常见机器学习算法的Java实现，Weka中支持的数据格式主要是arff，虽然weka官网上提供了一些arff文件，但有时仅有这些还不能满足需求，为此，本人搜集各方资料，再加上自己的手工转换，整理出了一个还算比较完整的arff数据集合，在这里分享给大家,并配有教材能边看边进行案例分析
2023/10/12 10:06:47
69.19MB
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