各位程序猿可以先跑起来看看效果，是不是自己想要的。
这是face++提供的demo,代码跑起来去face++官方注册认证一下就可以集成到自己的项目里了。
这是face++提供的demo,代码跑起来去face++官方注册认证一下就可以集成到自己的项目里了。
2025/10/30 10:55:19
57.53MB
1
分子识别特征（MoRF）是内在无序蛋白（IDP）的关键功能区域，它们在细胞的分子相互作用网络中起重要作用，并与许多严重的人类疾病有关。
鉴定MoRF对于IDP的功能研究和药物设计都是必不可少的。
本研究采用人工智能的前沿机器学习方法，为改进MoRFs预测开发了强大的模型。
我们提出了一种名为enDCNNMoRF（基于集成深度卷积神经网络的MoRF预测器）的方法。
它结合了利用不同特征的两个独立的深度卷积神经网络（DCNN）分类器的结果。
首先，DCNNMoRF1使用位置特定评分矩阵（PSSM）和22种氨基酸相关因子来描述蛋白质序列。
第二种是DCNNMoRF2，它使用PSSM和13种氨基酸索引来描述蛋白质序列。
对于两个单一分类器，都采用了具有新颖的二维注意机制的DCNN，并添加了平均策略以进一步处理每个DCNN模型的输出概率。
最后，enDCNNMoRF通过对两个模型的最终得分进行平均来组合这两个模型。
当与应用于相同数据集的其他知名工具进行比较时，新提出的方法的准确性可与最新方法相媲美。
可以通过http://vivace.bi.a.utokyo.ac.jp:8008/fang
鉴定MoRF对于IDP的功能研究和药物设计都是必不可少的。
本研究采用人工智能的前沿机器学习方法，为改进MoRFs预测开发了强大的模型。
我们提出了一种名为enDCNNMoRF（基于集成深度卷积神经网络的MoRF预测器）的方法。
它结合了利用不同特征的两个独立的深度卷积神经网络（DCNN）分类器的结果。
首先，DCNNMoRF1使用位置特定评分矩阵（PSSM）和22种氨基酸相关因子来描述蛋白质序列。
第二种是DCNNMoRF2，它使用PSSM和13种氨基酸索引来描述蛋白质序列。
对于两个单一分类器，都采用了具有新颖的二维注意机制的DCNN，并添加了平均策略以进一步处理每个DCNN模型的输出概率。
最后，enDCNNMoRF通过对两个模型的最终得分进行平均来组合这两个模型。
当与应用于相同数据集的其他知名工具进行比较时，新提出的方法的准确性可与最新方法相媲美。
可以通过http://vivace.bi.a.utokyo.ac.jp:8008/fang
2025/10/29 10:38:37
1.56MB
1
8G数据集太大，分开下载（打开我的页面可以下载所有）FruitRecognition水果数据集，15个分类，训练识别应用
2025/10/27 15:17:58
401.11MB
1
HOG行人识别方法的发明者NavneetDalal写的博士论文，比他在IEEE发表的文章详细的多，是学习HOG算法的最佳教材。
2025/10/27 10:31:21
19.22MB
1
本书分为三大部分。
第一部分是利用故障分量的继电保护，从继电保护反应故障信息的特点出发，讨论了故障分量及其识别和处理方法，在此基础上阐述了利用故障分量继电保护的检测原理，并进一步深入讨论了利用稳态和暂态故障分量实现的选相元件，不同原理的纵联保护，特别是利用六序故障分量的同杆双回线保护。
第二部分是高压输电线的故障测距。
第三部分是自适应继电保护和自动重合闸。
第一部分是利用故障分量的继电保护，从继电保护反应故障信息的特点出发，讨论了故障分量及其识别和处理方法，在此基础上阐述了利用故障分量继电保护的检测原理，并进一步深入讨论了利用稳态和暂态故障分量实现的选相元件，不同原理的纵联保护，特别是利用六序故障分量的同杆双回线保护。
第二部分是高压输电线的故障测距。
第三部分是自适应继电保护和自动重合闸。
2025/10/26 7:39:14
15.59MB
1
本资源为纯python实现mnist手写体识别的代码，为作者本人所写，供深度学习初学者共同交流探讨，欢迎二次创作，网络为三层，可达到97%上准确率，模型可以选择多种训练方式，学习率，激活函数，损失函数等我都写了相关函数，可以选择，模型也可以自由变换，只需要改一下前面常量参数值就行。
升级版本正在打包测试过程中，完成后可以自行选择batch—size大小等，具体介绍可以看我置顶博文介绍
升级版本正在打包测试过程中，完成后可以自行选择batch—size大小等，具体介绍可以看我置顶博文介绍
2025/10/26 3:47:39
4KB
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