极限学习机(ExtremeLearningMachine)ELM,是由黄广斌提出来的求解单隐层神经网络的算法。
ELM最大的特点是对于传统的神经网络,尤其是单隐层前馈神经网络(SLFNs),在保证学习精度的前提下比传统的学习算法速度更快。
2025/3/10 3:06:58 64KB ELM 极限学习机 MATLAB程序
1
网络机柜,服务器机柜VISIO图例,直接复制,简单明了。
2025/3/10 0:05:57 5.53MB 机房机柜图例 机柜VISIO图
1
功能介绍如下:1、获取本地歌曲列表,实现歌曲播放功能。
2、利用硬件加速感应器,摇动手机实现切换歌曲的功能3、利用jsoup解析网页数据,从网络获取歌曲列表,同时实现歌曲和歌词下载到手机本地的功能。
4、通知栏提醒,实现仿QQ音乐播放器的通知栏功能.涉及的技术有:1、jsoup解析网络网页,从而获取需要的数据2、android中访问网络,获取文件到本地的网络请求技术,以及下载文件到本地实现断点下载3、线程池4、图片缓存5、service一直在后台运行6、手机硬件加速器7、notification通知栏设计8、自定义广播9、android系统文件管理音乐播放器的讲述博文地址:http://blog.csdn.net/u010156024/article/details/47685141
2025/3/9 14:32:53 3.71MB 音乐播放器
1
极限学习机(ExtremeLearningMachine,ELM)是一类基于前馈神经网络(feedforwardneuronnetwork)的机器学习算法,其主要特点是隐含层节点参数可以是随机或人为给定的且不需要调整,学习过程仅需计算输出权重。
ELM具有学习效率高和泛化能力强的优点,被广泛应用于分类、回归、聚类、特征学习等问题中。
2025/3/9 14:55:18 4.24MB ML 机器学习 人工智能 极限学习机
1
异构信息网络中基于元路径APVPA的相似度PathSim实现,基于Path2.7
2025/3/9 14:58:33 5KB APVPA 元路径 PathSim 异构网络
1
在开始谈我对架构本质的理解之前,先谈谈对今天技术沙龙主题的个人见解,千万级规模的网站感觉数量级是非常大的,对这个数量级我们战略上要重视它,战术上又要藐视它。
先举个例子感受一下千万级到底是什么数量级?现在很流行的优步(Uber),从媒体公布的信息看,它每天接单量平均在百万左右,假如每天有10个小时的服务时间,平均QPS只有30左右。
对于一个后台服务器,单机的平均QPS可以到达800-1000,单独看写的业务量很简单。
为什么我们又不能说轻视它?第一,我们看它的数据存储,每天一百万的话,一年数据量的规模是多少?其次,刚才说的订单量,每一个订单要推送给附近的司机、司机要并发抢单,后面业务场景的访问量往
1
BitFlyex区块链设置两个交易区,其中一个以美元和境外人民币结算、另一个为代币间交易。
用户可以在OK币行交易的币种包括比特币、莱特币、以太币、泰达币等数十种网络货币。
2025/3/9 6:20:43 199KB BitFlyec 区块链
1
很全面的网络拓扑图标素材。
PPT格式,包括了,安全产品,路由器,交换机。
服务器,其它等。

快来下载吧。

2025/3/9 4:03:06 12.13MB 网络拓朴
1
主要是实现htmlMFC的案例,可以实现网址访问跳转功能,可以实现上一页和下一页功能实现
2025/3/8 20:25:17 62.05MB windows
1
自己写的,编程渣渣,写的很乱,但也基本实现了,仅供参考。
有朋友可以联系我相互讨论学习,
2025/3/8 18:31:32 3KB python pso bp
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